假设我有一组绝对没有标签的时域信号。我想将它们聚集在 2 或 3 个类中。自编码器是学习压缩输入的无监督网络。所以给定一个输入$x^{(i)}$, 权重 $W_1$ 和 $W_2$, 偏见 $b_1$ 和 $b_2$, 和输出 $\hat{x}^{(i)}$，我们可以找到以下关系：

所以 $z^{(i)}$ 将是一种压缩形式 $x^{(i)}$， 和 $\hat{x}^{(i)}$后者的重建。到现在为止还挺好。

我不明白的是如何将其用于集群（如果有任何方法可以做到的话）。例如，在本文的第一个图中，有一个我不确定我是否理解的框图。它使用$z^{(i)}$作为前馈网络的输入，但没有提及该网络是如何训练的。我不知道是否有我忽略的东西或者论文是否不完整。此外，本教程最后展示了自动编码器学习的权重，它们似乎是 CNN 将学习分类图像的内核。所以......我想自动编码器的权重可以在前馈网络中以某种方式用于分类，但我不确定如何。

我的疑问是：

1. 如果$x^{(i)}$是长度的时域信号$N$（IE$x^{(i)}\in\mathbb{R}^{1\times N}$）， 能够$z^{(i)}$也只能是一个向量？换句话说，这是否有意义$z^{(i)}$是一个矩阵，其维度之一大于$1$? 我相信它不会，但我只是想检查一下。
2. 这些量中的哪一个是分类器的输入？例如，如果我想使用一个经典的 MLP，它的输出单元与我想将信号分类的类一样多，我应该在这个全连接网络的输入端放置什么（$z^{(i)}$,$\hat{x}^{(i)}$，还有什么其他的）？
3. 如何在这个 MLP 中使用学习到的权重和偏差？请记住，我们假设绝对没有可用的标签，因此不可能训练网络。我认为学过的$W_i$ 和 $b_i$在完全连接的网络中应该以某种方式有用，但我不知道如何使用它们。

观察：请注意，我使用 MLP 作为示例，因为它是最基本的架构，但这个问题适用于任何其他可用于对时域信号进行分类的神经网络。