参考keras基于自编码器的语音信号降噪
参考今天来介绍一下什么是去噪自动编码器（DenoisingAutoencoder）
1 keras实现自编码器图像去噪
自编码器是一种简单的人工神经网络 (ANN)，经过训练可以学习输入数据的编码表示，这种无监督机制不需要标签。自编码器由两个神经网络组成，前半部分称为编码器，后半部分称为解码器。两个神经网络都由具有激活函数的单个或多个隐藏层组成。编码器和解码器的隐藏层数量通常是对称的，以确保输出的维度与输入的维度一致。
编码器获取输入数据，从数据中学习重要特征并输出输入的向量表示。编码器利用卷积/或最大池层以降低输入数据的维度。
与编码器不同，解码器将低维数据扩展到高维。误差用于反向传播以更新解码器和编码器的隐藏层中的权重等参数。
对机器人来说，每一个动作都是经过编码的，比如用二进制01010表示前进等等。其实更通俗的理解是，编码是一个降维的过程，即用简单的向量描述复杂的向量。
自编码是区别于人工编码的过程，人工编码是通过人的经验将数据进行编码。而自编码过程是不需要人工的。那么，自编码一定需要有办法知道自己的编码方法是否合理。这个方法就是解码器，用解码器来看解码之后的复原情况。如果我能通过解码器将你编码器压缩的数据恢复得差不多，那么
标签：编码,编码器,变分,解码器,深度,维度,数据,输入 From： https://blog.csdn.net/qq_20466211/article/details/138943479