一般来说，自动编码器是参数化还是非参数化（在模式识别方面）？ 我认为两者都是可能的，因为你可以假设一个潜在的错误分布，但你也可以用不同的方法估计错误，对吗？
答案 0 :(得分：0)
除非您使用参数的非标准定义或自动编码器，否则自动编码器是100％参数化的。
它与假设误差分布无关 - 最终模型分布由一组有限的参数（神经网络的权重）表示，因此模型是参数化的。每个基于神经网络的模型都是参数化的（除非考虑无界NN架构，但只要它是一个单一的固定架构，每个＆＃34;经典＆＃34; NN本质上是参数化的。）
当然，人们可以定义＆＃34;怪异的＆＃34;非参数自动编码器，使用GP或其他非参数方法这样做，但它只是成为命名约定的问题 - 什么是，什么不是 - 自动编码器。如果通过自动编码器，我们的意思是＆＃34;传统＆＃34;神经网络 - 它是参数化的。如果我们指的是经过训练以最小化E [L（f（x |θ），x）的任何模型f（x |θ），则无法回答，因为该族由参数和非参数模型组成