一、自编码器：降维【无监督学习】

PCA简介：【线性】原矩阵乘以过渡矩阵W得到新的矩阵，原矩阵和新矩阵是同样的东西，只是通过W换基。

自编码：

自编码和PCA的区别：

由于神经网络能够学习非线性关系，因此可以认为这是PCA更有力（非线性）的泛化。而PCA试图发现描述原始数据的低维超平面，自编码器则能够学习非线性流形（流形为连续的非交叉的曲面）。这两种方法之间的区别如下图所示。

自编码还原的结果比PCA清晰。

 而两者的重点是要拿到比较好的30维code。

二、降噪自编码【加噪声】

三、CNN、DNN、RBM、DBN来实现自编码：

自编码器----Autoencoder

原文地址：https://www.cnblogs.com/Lee-yl/p/10109764.html