自编码神经网络理论及应用综述

• 作者: 史劲亭 夏雪 李钢 章琳 袁非牛
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 自编码器 深度学习 无监督学习 特征学习 约束
• 年，卷（期）: 2019,（1）
• 页码范围: 203-230
• 页数: 28页
• 分类号: TP18
• 字数: 29106字
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2019.00203

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	章琳	江西财经大学信息管理学院	6	63	3.0	6.0
5	史劲亭	江西财经大学信息管理学院	4	44	2.0	4.0
7	李钢	江西财经大学信息管理学院	5	58	3.0	5.0
9	袁非牛	江西财经大学信息管理学院	15	330	9.0	15.0
15	夏雪	江西财经大学信息管理学院	4	75	3.0	4.0