ฉันไม่ได้เป็นผู้เชี่ยวชาญใน autoencoders หรือเครือข่ายประสาทด้วยวิธีการใด ๆ ดังนั้นยกโทษให้ฉันถ้านี่เป็นคำถามที่โง่
สำหรับวัตถุประสงค์ของการลดขนาดหรือการแสดงภาพกลุ่มในข้อมูลมิติสูงเราสามารถใช้ autoencoder เพื่อสร้างการแสดงภาพ 2 มิติ (สูญเสีย) โดยการตรวจสอบผลลัพธ์ของเลเยอร์เครือข่ายด้วย 2 โหนด ตัวอย่างเช่นด้วยสถาปัตยกรรมต่อไปนี้เราจะตรวจสอบผลลัพธ์ของเลเยอร์ที่สาม
โดยที่คือข้อมูลอินพุตและคือจำนวนโหนดในเลเยอร์ thN l l
ตอนนี้คำถามของฉันคือทำไมเราต้องการสถาปัตยกรรมสมมาตร มิเรอร์ของเฟส 'การบีบอัด' ที่ลึกไม่ได้หมายความว่าเราอาจมีเฟส 'การบีบอัด' ที่ซับซ้อนในทำนองเดียวกันทำให้มีเอาต์พุตโหนด 2 โหนดซึ่งไม่ได้ถูกบังคับให้ใช้งานง่ายมาก? กล่าวอีกนัยหนึ่งการไม่มีขั้นตอนการถอดรหัสที่ง่ายกว่าจะส่งผลให้เกิดการส่งออกของเลเยอร์ที่มี 2 โหนดจำเป็นต้องเรียบง่ายขึ้นด้วย
ความคิดของฉันที่นี่คือความซับซ้อนน้อยกว่าขั้นตอนการบีบอัดที่ง่ายขึ้น (เชิงเส้นมากขึ้น?) การเป็นตัวแทน 2D จะต้องมี ขั้นตอนการคลายบีบอัดที่ซับซ้อนมากขึ้นจะช่วยให้การแทน 2D มีความซับซ้อน