自编码系列（一）———— 概述

• 摘要
• 引言
• 主题
• 研究路线
• 附录
• 参考

摘要

本文记录我个人研究自编码的过程

引言

最近拜读三位大神的力作deep learning引言部分，从中做出如下推演：

1. AI 系统需要具备自己获取知识的能力，即从原始数据中提取模式的能力。这种能力的浓缩概念叫 机器学习（machine learning）。
2. 当前的机器学习算法的性能在很大程度上依赖于给定数据的 表示（repre-sentation）。 表示的魅力————先提取一个合适的特征集，然后将这些特征提供给简单的机器学习算法。 表示的难点————对于许多任务来说，我们很难知道应该提取哪些特征
3. 解决表示难点的方法之一————表示学习：使用机器学习来发掘表示本身，而不仅仅把表示映射到输出 表示学习的优势————学习到的表示往往比手动设计的表示表现得更好。并且它们只需最少的人工干预，就能让AI系统迅速适应新的任务
4. 表示学习的典型例子————自编码器：输入数据经过编码器和解码器之后尽可能多地保留信息，同时新的表示有各种好的特性

当前数据

主题

本文在旧的tensorflow版本上先进行模式导出和试验，成功后再部署到新的tensorflow版本上，先采用最基础的meta方式进行导入导出

研究路线

• 变分自编码器
• 对抗自编码器
• glow

附录

参考

---

• The Choices of a New Generation
• deep learning中文版