免责声明：我也在CrossValidated上发布了这个问题，但没有得到任何关注。如果这里不适合，我会乐意删除它。

据我所知，它们之间的唯一区别在于两种网络的训练方式。深度自编码器的训练方式与单层神经网络相同，而堆叠自编码器则是采用贪婪的逐层训练方法。Hugo Larochelle 在这个视频的评论中证实了这一点。我想知道这是否是唯一的区别，有没有其他指导意见？

回答：

该领域的术语并不固定、清晰和明确定义，不同的研究可能对相同的术语有不同的理解或增加不同的方面。例如讨论如下：

• 深度学习与传统人工神经网络机器学习有什么区别？（有些人认为两层就足够深，有些人认为10层或100层才算深）。

• 多层感知器与深度神经网络（基本上是同义词，但有些研究更偏好一种而不是另一种）。

至于自编码器，根据各种来源，深度自编码器和堆叠自编码器是完全同义的，例如，这里引用自“Hands-On Machine Learning with Scikit-Learn and TensorFlow”的一段话：

就像我们讨论过的其他神经网络一样，自编码器可以有多个隐藏层。在这种情况下，它们被称为堆叠自编码器（或深度自编码器）。

随后，作者讨论了两种训练自编码器的方法，并交替使用这两个术语。

我同意“堆叠”这个词的感知是自编码器可以添加新层而不需要重新训练，但实际上这与现有层是如何训练的（联合还是分开）无关。同样，无论使用何种训练方法，研究人员可能认为它是否足够深。所以我不会太关注术语。有一天它们可能会稳定下来，但现在还没有。