我正在尝试用我自己的 Java实现一个自动编码器。从理论上，我了解到自动编码器基本上是一个对称网络。
那么，如果我选择总共有 5 层，我必须在训练（反向传播）阶段使用 9 层还是 5 层就足够了？
我一直在阅读理论，但它们太抽象了，而且充满了数学公式，我无法通过谷歌获得任何实现细节。
这样做的通常方法是什么？
一个自动编码器，在训练阶段，使用反向传播，试图获得与输入相似的输出，目标是最小化错误。如上所示。上图中的层数为 7，而实际训练后的层数为 4。那么，在训练时我可以只用 4 个实现反向传播吗？如果是这样，我该怎么做？
简单的反向传播不适用于这么多层。由于所谓的梯度消失现象，具有两个以上隐藏层的网络不会学到任何合理的东西。事实上，最好的结果是通过一个隐藏层获得的。所以在自动编码器的情况下，你应该有 INPUT 层、HIDDEN 层和 OUTPUT 层。不需要更多，通用近似定理清楚地表明，这对任何问题都足够了。
从 OOP 的角度来看，这取决于您是否打算将这段代码用于不同类型的神经元，而神经元类型是指比不同的激活函数更深层次的东西——不同的行为（随机神经元？）；不同的拓扑（非完全连接的网络）。如果不是 - 将每个神经元建模为一个单独的对象是完全多余的。