自动编码器（Autoencoder，AE）是一种 神经网络，它包含一个编码器和一个解码器。该网络能够学习到输入数据的特征表达，并在深度学习中得到广泛应用。自动编码器的工作原理是接收输入数据并将其转换为不同的表示，然后尝试尽可能准确地重建原始输入。通过这种方式，自动编码器可以用于数据压缩、特征提取和生成式模型等任务。
自动编码器可以分为两种类型：
传统自动编码器：
输入和输出是相同的，主要用于学习数据的低维表示。
变分自动编码器（Variational Autoencoder, VAE）：
是传统自动编码器的变体，通过引入潜在变量来表示编码后的数据，从而能够生成新的数据样本。
建议在实际应用中选择合适的自动编码器类型，根据具体任务需求进行网络结构和参数的调整。