machine-learning - 神经网络-深度自动编码器和堆叠式自动编码器之间的区别

Closed. This question needs to be more focused。它当前不接受答案。












想要改善这个问题吗？更新问题，使它仅关注editing this post的一个问题。

3年前关闭。



Improve this question




免责声明:我也将此问题发布在CrossValidated上，但没有得到任何关注。如果不是这个地方，我会很乐意将其删除。

据我了解，它们之间的唯一区别是两个网络的训练方式。深度自动编码器的培训方式与单层神经网络相同，而堆叠式自动编码器则采用贪婪的逐层方法进行培训。雨果·拉罗谢尔(Hugo Larochelle)在video的评论中证实了这一点。我不知道这是否是唯一的区别，是否有任何指针？

最佳答案

该领域的术语不是固定的，明确的，定义明确的，不同的研究可能意味着不同的意思，也可能给同一术语增加不同的方面。讨论示例:

What is the difference between Deep Learning and traditional Artificial Neural Network machine learning?(有些人认为2层足够深，有些意味着10+或100+层)。

Multi-layer perceptron vs deep neural network(主要是同义词，但有些研究偏爱另一种)。

至于AE，根据各种来源，深度自动编码器和堆叠式自动编码器是的精确同义词，例如，这是"Hands-On Machine Learning with Scikit-Learn and TensorFlow"的引文:



稍后，作者讨论了两种训练自动编码器的方法，并且可以互换使用这两个术语。

我同意“堆叠”这个术语的理解是，自动编码器可以在不重新训练的情况下扩展新的层，但是实际上这是正确的，而不管现有层是如何(联合或单独)进行训练的。此外，无论采用哪种培训方法，研究都可能称其不够深。因此，我不会过多地关注术语。它可以稳定某一天，但暂时无法稳定。

关于machine-learning - 神经网络-深度自动编码器和堆叠式自动编码器之间的区别，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/49296951/