我正在使用隐藏层的自动编码器神经网络进行异常检测。这是一个无人监督的设置，因为我没有以前的异常示例。输入数据具有模式但也变化很大，因此在本质上是部分随机的。$1$

为了便于理解，我训练了一个（完整的）自动编码器，其维度为 input =、 hidden =、 output =，并且在隐藏层和输出层中使用 sigmoid 函数。我的训练数据具有维度（500 个变量，5000 个样本）。我使用种算法，学习率，小批量大小，以及 Keras/TensorFlow 中的标准算法参数：$500$$500$$500$$X\in[0,1]^{5000\times500}$$3$$0.01$$64$

1. 标准随机梯度下降 (SGD)
2. 和学习率衰减的高级/扩展 SGD$0.9$$10^{-8}$
3. 亚当优化器（，，学习率衰减）$\beta_1=0.9$$\beta_2=0.999$$0$

下图显示了相应的误差曲线。就我而言，两者都在不断下降（亚当除外），所以我会说“继续训练”。另一方面，我直觉地知道我不应该训练这么长时间，因为一定有一些过度拟合发生。那么我怎么知道什么时候停止训练，你会如何解释下面的结果呢？我是否正确，只使用 Adam 并使用 250 个 epoch（即使它在训练/验证集之间存在很大偏差）？