另一方面，关于自动编码器(也称为自编码器)网络上的自动编码器的资料各不相同，许多基本概念和原理尚不明确。 现在，我们来谈谈比较系统
介绍了自动编码器的一些概念和原理。 最后，附加python实现代码。
自动编码器是神经网络的一种，经过训练后，可以在尝试将输入复制到输出，换句话说，就是使输出的内容和输入的
内容一样自动编码器内部的隐含层h，其可以产生编码以表示输入。 可以认为这个网络由两部分组成：一篇
编码器h=f(x )和生成重构的解码器r=g (h )。 最后使x等于约g(f ) x ) )。 通过设计网络，x=g(f ) x )、
理论上很好，但通常不这样做。 自动编码器设计为无法掌握完美的副本，通过施加某些限制，可以实现自动
编码器只能近似地复制。 因为我们可以学习数据的有用特性。
二、稀疏自编码从自动编码器获得有用特征的一种方式是，通过限制h的维数小于x，自动编码器被强制捕获到训练数据中
最明显的特征是，这种自动编码器被称为稀疏自编码。 学习过程可以简单地描述为使损失函数最小化
L(x，g ) L(x ) ) ))，) )是惩罚项
如果解码器是线性的并且l是均方误差，那么可以学习到以与PCA方法一样的方式产生子空间。 (PCA请参考以前写的博客)
该图是稀疏自编码器的例子，第一层是输入层，第三层是输出层，第二层是隐藏层。
下一节将介绍稀疏自编码的前向传播和后向传播，敬请期待。