Stacked Autoencoder（SAE）模型是一个由多层稀疏自编码器组成的深度神经网络模型，其前一层自编码器的输出作为其后一层自编码器的输入，最后一层是个分类器（logistic分类器或者softmax分类器）
（一）sparse autoencoder算法
1.概念：sparse autoencoder是一种非监督学习算法，需要满足以下两种约束：
（1）autoencoder：输入等于输出
（2）sparse：隐层的每个神经元的响应是稀疏的，也就是大部分时间响应为0，也就是平均响应
Stacked Autoencoder（SAE）模型是一个由多层稀疏自编码器组成的深度神经网络模型，其前一层自编码器的输出作为其后一层自编码器的输入，最后一层是个分类器（logistic分类器或者softmax分类器）
（一）sparse autoencoder算法
1.概念：sparse autoencoder是一种非监督学习算法，需要满足以下两种约束：
（1）autoencoder：输入等于输出
（2）sparse：隐层的每个神经元的响应是稀疏的，也就是大部分时间响应为0，也就是平均响应