SautoEncoder

自编码器（SautoEncoder）是一种无监督的神经网络模型，主要用于学习数据的有效表示（编码），并通过解码过程重构输入数据。它由两部分组成：编码器和解码器。编码器将输入数据压缩成一个隐藏的、低维的特征向量，而解码器则尝试从这个特征向量中重建原始数据。通过最小化重构误差，自编码器可以学习到输入数据的有效表示，这在降维、特征学习和生成模型等领域具有广泛的应用。