AutoEncoder（AE） 一句話理解 Encoder 壓縮 → 瓶頸層 → Decoder 還原，瓶頸層即為壓縮後的特徵表示。 使用時機 輸入維度過多，需要先壓縮再處理 核心架構 輸入 → Encoder → 瓶頸層（低維）→ Decoder → 重建 與降維概論的關係 AE 本質上就是一種 Neural Network 降維 參考 Deep-Learning參數設計 的層數設計 範例 範例-模型壓縮AE 相關 LLM特徵提取 ISOMAP 多模態降維 MMSAI2