文献类型：期刊文章

作　　者：来杰[1] 王晓丹[1] 向前[1] 宋亚飞[1] 权文[2]

LAI Jie;WANG Xiaodan;XIANG Qian;SONG Yafei;QUAN Wen(School of Air and Missile Defense,Air Force Engineering University,Xi’an 710051,China;School of Air Traffic Control and Navigation,Air Force Engineering University,Xi’an 710051,China)

机构地区：[1]空军工程大学防空反导学院,陕西西安710051 [2]空军工程大学空管领航学院,陕西西安710051

出　　处：《通信学报》

基　　金：国家自然科学基金资助项目(No.61876189,No.61806219,No.61703426);陕西省自然科学基础研究计划基金资助项目(No.2021JM-226)。

年　　份：2021

卷　　号：42

期　　号：9

起止页码：218-230

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：自编码器作为典型的深度无监督学习模型,能够从无标签样本中自动学习样本的有效抽象特征。近年来,自编码器受到广泛关注,已应用于目标识别、入侵检测、故障诊断等众多领域中。基于此,对自编码器的理论基础、改进技术、应用领域与研究方向进行了较全面的阐述与总结。首先,介绍了传统自编码器的网络结构与理论推导,分析了自编码器的算法流程,并与其他无监督学习算法进行了比较。然后,讨论了常用的自编码器改进算法,分析了其出发点、改进方式与优缺点。接着,介绍了自编码器在目标识别、入侵检测等具体领域的实际应用现状。最后,总结了现有自编码器及其改进算法存在的问题,并展望了自编码器的研究方向。

关 键 词：自编码器  深度学习  无监督学习 特征提取 正则化

分 类 号：TP183]