可用于学习原始数据的压缩表示形式。并仅保存模型的编码器部分。训练机器学习模型时如何使用编码器作为数据准备步骤。旨在学习输入的压缩表示形式。自动编码器通常被训练为尝试重新创建输入的更广泛模型的一部分。从该瓶颈执行输入数据的重构。但也许更常见的用途是作为学习型或自动特征提取模型。可以使用直至瓶颈的模型。该向量提供输入数据的压缩表示。或更普遍地用于降维。让我们探讨如何针对分类预测建模问题开发用于特征提取的自动编码器。以学习用于分类预测建模问题的输入特征的压缩表示。让我们定义分类预测建模问题。以便以后自动编码器可以学习有用的压缩表示形式。下面的示例定义了数据集并总结了其形状。

船载航行数据记录仪需要1秒内记录3帧或更多的雷达图像。必须对雷达图像进行压缩编码。从而获得了广泛的应用；并不适用于雷达图像。对JPEG2000算法中的直流电平平移模块和量化模块进行了改进。得到了最优的分量量化步长间的比例关系。且整数为2的整数次幂。其每个时钟周期的吞吐量为2；其每个时钟周期的吞吐量为1；其每2个时钟周期的吞吐量为1。

完成最终的分类训练。让每层的权重参数同时得到改善。分类的准确度对比如下。可以看到栈式自编码器的分类准确度要好于单个的降噪自编码器。进行逐层学习，获得电能质量扰动数据的深层次特征；

input：可能就是一张图片，图片可以变成一个向量。作为一种无监督或者自监督算法，自编码器本质上是一种数据压缩算法。我们可以类比下电脑上的压缩包，自编码器本质和压缩包类似，也是将数据进行压缩再解压的过程。

电磁频谱在雷达左侧一直显示无线电波，LIDAR的右侧显示近红外/可见/紫外波。html），通过维基共享资源我所见过的大多数RADAR的视野都很窄（10度），然后只返回一个值（或者它们可能有几十个通道，参见下面的多模雷达），其范围为检测到的物体。一些系统可以使用多个通道来获取距离测量的角度。角度不会像大多数LIDAR那样高。市场上还有一些雷达用于扫描以获得多种测量结果。