| | 《计算机学报》文章摘要 全文下载 |
| 文章题目 | 自编码神经网络理论及应用综述 |
| 作者 | 袁非牛1),2) 章 琳1),3) 史劲亭1),4) 夏 雪1) 李 钢1),5) |
| 作者单位 | 1)(江西财经大学信息管理学院 南昌 330032)
2)(上海师范大学信息与机电工程学院 上海 201418)
3)(江西科技师范大学数学与计算机科学学院 南昌 330038)
4)(江西农业大学职业师范技术学院 南昌 330045)
5)(宜春学院数学与计算机科学学院 江西宜春 336000)
|
| 发表年份 | 2019 |
| 发表月份 | 1期(203-230) |
| 文章摘要 | 摘 要 自编码器是深度学习中的一种非常重要的无监督学习方法，能够从大量无标签的数据中自动学习，得到蕴含在数据中的有效特征.因此，自编码方法近年来受到了广泛的关注，已成功应用于很多领域，例如数据分类、模式识别、异常检测、数据生成等.该文对传统自编码基础理论、自编码方法、改进技术以及应用领域进行了比较全面的综述.首先，该文介绍传统自编码基础理论与实现方法，分析自编码器的一般处理框架.然后，讨论现有各种改进的自编码器，分析这些方法的创新点、所要达成的目的和可能存在的问题.随后，该文介绍自编码器的实际应用领域，分析这些领域的代表性自编码算法，并详细地分析、比较和总结这些方法的特点.最后，总结现有方法存在的问题，并探讨了自编码器的将来发展趋势和可能挑战.
关键词 自编码器；深度学习；无监督学习；特征学习；约束 中图法分类号 TP18 DOI号10.11897/SP.J.1016.2019.00203
|