[自动编码器：找到重要的神经元

Question

我已经使用Keras实现了Autoencoder，该Keras将112*112*3个神经元作为输入，将100个神经元作为压缩/编码状态。我想从这100个学习重要功能的神经元中找到。到目前为止，我已经使用以下步骤计算了特征值（e）和特征向量（v）。我发现（e）的前30个值大约大于0。这是否意味着前30个模式是重要的？还有其他方法可以找到重要的神经元吗？

预先感谢

x_enc = enc_model.predict(x_train, batch_size=BATCH_SIZE) # shape (3156,100)
x_mean = np.mean(x_enc, axis=0) # shape (100,)
x_stds = np.std(x_enc, axis=0) # shape (100,)
x_cov = np.cov((x_enc - x_mean).T) # shape (100,100)
e, v = np.linalg.eig(x_cov) # shape (100,) and (100,100) respectively

Answer 1

我不知道您使用的方法是否会真正给您带来任何有用的结果，因为尚不清楚网络学习的方式及其确切学习的内容，我建议您使用其他类型的自动编码器，它可以自动学习解缠结潜在空间中的数据表示形式，通过这种方式，您可以确保找到的所有参数实际上都对数据表示形式有所贡献。检查此article