免责声明：我也在 CrossValidated 上发布了这个问题，但没有受到任何关注。如果这不是它的地方，我很乐意将其删除。
据我了解，它们之间的唯一区别是两个网络的训练方式。深度自编码器的训练方式与单层神经网络相同，而堆叠自编码器采用贪婪的逐层方法进行训练。 Hugo Larochelle 在video 的评论中证实了这一点。我想知道这是否是唯一的区别，任何指针？
【问题讨论】：
标签： machine-learning neural-network deep-learning autoencoder
该领域的术语不是固定的、精炼的和明确定义的，不同的研究可能意味着不同的事物或为相同的术语添加不同的方面。示例讨论：
What is the difference between Deep Learning and traditional Artificial Neural Network machine learning?（有人认为2层就够深了，也有人认为10+或100+层）。
Multi-layer perceptron vs deep neural network（主要是同义词，但也有研究偏爱其中一个而不是另一个）。
关于 AE，根据各种来源，deep autoencoder 和 stacked autoencoder 是确切的同义词，例如，这里引用 @987654323 @：
就像我们讨论过的其他神经网络一样，自动编码器可以 有多个隐藏层。在这种情况下，它们被称为堆叠 自动编码器（或深度自动编码器）。
稍后，作者讨论了两种训练自动编码器的方法，并可以互换使用这两个术语。
我同意术语“堆叠”的感知是自动编码器可以在不重新训练的情况下扩展新层，但无论现有层如何训练（联合或分别地）。此外，无论训练方法如何，研究可能会或可能不会称其为足够深。所以我不会过多地关注术语。总有一天会稳定下来，但不是现在。
【讨论】：
input_layer->hidden_layer_1->hidden_layer_2->...->output_layer 而堆叠自动编码器就像input_layer_1->hidden_layer_1->output_layer_1->input_layer_2->hidden_layer_2->output_layer_2 一样，在后一种情况下，每个自动编码器都将前一个自动编码器的输出作为目标。让我知道您对我的评论的看法。