为什么要用稀疏自编码而不直接设更少的隐层节点

刚学自编码，以下是本人关于题目问题的一点思考。

自编码器是一种非常简单的BP神经网络，是一种无监督学习算法。

使用一个三层（只有一个隐含层）的自编码网络，然后设置隐含节点的数量少于输入层节点，就能够轻松地实现特征降维。如图：

Fig1. 自编码器网络结构（图片来自网络）

refer to: Deep Learning（深度学习）学习笔记整理系列之（四）

如果隐藏节点比可视节点（输入、输出）少的话，由于被迫的降维，自编码器会自动习得训练样本的特征（变化最大，信息量最多的维度）。但是如果隐藏节点数目过多，甚至比可视节点数目还多的时候，自编码器不仅会丧失这种能力，更可能会习得一种“恒等函数”——直接把输入复制过去作为输出。这时候，我们需要对隐藏节点进行稀疏性限制