自编码机（auto-encoder），工学-控制科学与工程-智能系统-智能系统-问题求解-神经网络，一种非监督模式识别算法。它要求得到的输出尽可能接近原始输入，常用于提取样本的主要特征。自编码机是一个较早的概念，美国计算机科学家G.辛顿（Geoffrey Hinton，1947～ ）等人在1986便已经开始相关研究，2006年之后，越来越多的研究者开始关注各种自编码机模型。自编码机可看作由输入层、隐藏层和输出层组成的三层网络神经网络结构。输出层与输入层神经元数量相同。在训练期间，对于每一个样本输入，通过网络都会在输出层产生一个新的输出，学习的目的就是使输出信号与输入信号尽可能相似。每两层的变换都可以看作“线性变换”和“非线性激活”的组合。自编码器的原理可以用公式表示为：(1)(2)式中为输入层输入；和均为偏置向量；和均为权重矩阵；为隐藏层输入；和变换函数。训练之后的自编码机拥有一种推导出再推导出的能力，其中是在尽量不损失信息量的情况下对原始数据的另一种表达。隐藏层维度有如下2种情况：（1）隐藏层维度小于输入层维度。