Neural network 自动编码器参数化/非参数化？

你能说自动编码器通常是参数的还是非参数的（就模式识别而言）？

---

我认为这两种方法都是可能的，因为你可以假设潜在的误差分布，但你也可以用不同的方法估计误差，对吗？

除非你使用非标准的参数定义或自动编码器-自动编码器是100%参数化的

这与假设误差分布无关-最终，建模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（除非考虑无界的神经网络结构，但只要它是一个单一的固定结构，每个“经典”神经网络本质上都是参数化的）

当然，我们可以定义非参数的“怪异”自动编码器，使用GPs或其他非参数方法来实现这一点，但这只是命名约定的问题——什么是自动编码器，什么不是自动编码器。如果说自动编码器，我们指的是“传统”的神经网络——它是参数化的。如果我们指的是任何模型f（x |θ），它被训练为最小化E[L（f（x |θ），x）]，那么就没有办法回答，因为这个族由参数和非参数模型组成