稀疏自编码器
自编码器（autoencoder）是一种无监督模型：编码器把输入压成一层隐藏表示 h，解码器再只凭 h 把输入重构回来，训练目标就是“重构得越像越好”。稀疏自编码器多加一条约束——隐藏层可以很宽，但要求任一输入只点亮其中少数几个单元（其余压到 0，常用 L1 或 KL 惩罚实现）。这样每个常用单元会学成一个可复用的“特征”，少数特征叠加就能重建输入。下面用一组固定的“特征”（高斯基）演示：拖动稀疏强度，看活跃单元数与重构质量怎样此消彼长。
左图：灰色是输入信号，彩色线是重构（淡线是被激活的各个“特征”，相加就是重构）。右图：12 个隐单元的激活，金色虚线是稀疏阈值——只有超过它的少数单元（彩色）被保留参与重构，其余压成 0。
输入 vs 重构（解码）
隐层 h（12 单元，稀疏激活）
编码 → 解码
编码器把输入压成隐层激活 h，解码器只凭 h 重构输入；没有标签，靠“重构得像不像”自我监督。
稀疏约束
隐层可以很宽，但惩罚项逼大多数单元为 0——每个输入只激活少数几个，得到一份“瘦”编码。
学出可复用特征
真实模型会自己学出这些特征与稀疏阈值；少数特征叠加即可重建，还顺带滤掉冗余与噪声。