不需要任何标注资料

1、Dimension reduction

输入一个很高维的向量，中间输出很窄的向量，最后再输出很高维的向量。通俗地讲：即把一张图片压缩之后再还原回来。
image.png
Auto-encoder的意义：
复杂的图片有时只有有限种变化，那么可以找出它有限的变化，把复杂的东西变得简单，从而在下游任务中，只需要少量的资料，就能让机器学习到要学的任务。

2、Feature Disentangle

将输入得到的高维向量进行划分，找到代表语言的维度和代表声音的维度，进行重组。
image.png
应用举例：声音转换
image.png
image.png

3、Discrete Representation

离散表示法，分类问题，即采用向量的某几维来表示一些特征。
image.png
应用举例：
image.png