1、逐像元输入输出与邻域输入输出,邻域处理是先flatten,再unflatten
2、用MDL方法(最小描述长度)寻找自编码机最佳隐藏层数
3、多目标优化方法寻找MDL方法的超参数,平衡MDL方法两项的差距
补充学习:
1、Autoencoder(自编码机):
深度学习中的一种非监督学习,他去学习用少量特征来描述输出,在一定的约束下,使输出和输入尽量相同,可以说是高阶的pca。通过学习特征,完成数据的压缩和映射。主要就是降维提取主要特征
参考:https://mp.ofweek.com/ai/a045673121216
2、MDL(最小描述长度):
信息论中的方法,在这里是希望在过拟合和欠拟合的参数量上找到一个平衡值,具体没看懂
参考:https://blog.csdn.net/qq_24102363/article/details/72517106
3、Multiobjective Optimization(多目标优化):
在一堆约束条件下,寻找最小或是最大值。会有很多解,定义一个解统治另一个解为其中每一项都小于另一项,最后会得到一个解的集合
参考:https://blog.csdn.net/paulfeng20171114/article/details/82454310