您可以通过使用自定义损失函数的神经自动编码器来做到这一点。使用隐藏层，我们称之为$l_{encoded}$，具有比输入数据的特征更多的节点。

您必须对自定义损失进行编码： $loss = corr(o(l_{encoded}))+MSE(o(l_{output}),\ input)$,

在哪里$corr(o(l_{encoded}))$是编码层输出的相关性和$MSE(o(l_{output}), input)$是最后一层输出和输入实例的均方误差。

使用此损失，您的模型将尝试减少隐藏层的相关性，同时仍确保它能够解码训练实例。

我非常怀疑这会有什么用。