Autoencoder參數/非參數？

Question

你能說一般autoencoder是參數或非參數（在模式識別方面）嗎？ 我認爲這兩種都是可能的，因爲你可以假設潛在的錯誤分佈，但你也可以用不同的方法估計錯誤，對吧？

Answer 1

除非您使用的是非標準定義的參數或自動編碼器 - 自動編碼器是100％參數。

它與假設錯誤分佈無關 - 最終模型分佈由一組有限的參數（神經網絡的權重）表示，因此該模型是參數化的。每個基於神經網絡的模型都是參數化的（除非有人考慮無限的NN體系結構，但只要它是單一的固定體系結構，每個「經典的」NN本質上都是參數化的）。

當然，人們可以定義非參數化的「怪異」autoencoders，使用GP或其他非參數方法來做到這一點，但這只是成爲命名約定的問題 - 什麼是，什麼不是，一個自動編碼器。如果通過自動編碼器，我們是指「傳統」神經網絡 - 它是參數化的。如果我們指的是經過訓練使得E [L（f（x |θ），x）]最小的任何模型f（x | theta）]，那麼就沒有辦法回答，因爲這個家族既包含參數模型也包含非參數模型。