自编码器

自编码器（Autoencoder）是一种无监督学习的神经网络模型，它通过将输入数据压缩成低维编码（Encoder）表示，然后再将编码解压回原始数据（Decoder）的过程来学习输入数据的特征表示。

自编码器的目标是最小化原始输入数据和解压后的输出数据之间的重构误差，通过这种方式学习到的编码器能够捕捉到输入数据的潜在特征表示。在训练完成后，自编码器的编码器部分可以用于特征提取，解码器部分可以用于数据重建和生成。

自编码器有许多不同的变体，如稀疏自编码器、卷积自编码器、变分自编码器等。自编码器在数据降维、图像去噪、图像生成、语音信号处理等领域都有广泛的应用。