深度自编码网络（deep auto-encoding network），工学-控制科学与工程-智能控制-智能控制-模糊控制-可视分析-深度置信网络，通过多个自编码网络堆叠构成的深度堆栈网络，是深度堆栈网络的典型代表之一。深度自编码网络以最小化重构误差为目标，通过无监督学习逐层训练堆叠的自编码网络，从而得到关于网络输入的分层非线性特征表示。深度自编码网络的各隐含层输出即为不同层次（维度）网络输入的特征表示，当隐含层节点数小于输入层维数时，深度自编码网络实现的功能为特征压缩；当隐含层节点数大于输入层维数时，深度自编码网络实现的功能为特征升维。用于训练深度自编码网络的学习算法主要为反向传播算法及其变形，以随机梯度下降方法较为常用。深度自编码网络旨在通过逐层特征提取，更好地保持和表征网络输入的潜在有用信息。当训练数据集包含标签信息时，还可在逐层无监督训练深度自编码网络后，进一步通过有监督学习来优化调整网络参数，从而使深度自编码网络能够成功应用于文本识别、语音识别等模式分类任务。