SDAE是一种深度学习算法，全称为Stacked Denoising Autoencoder。

它是一种基于人工神经网络的非监督学习方法，主要用于数据降维、特征提取、数据去噪声等应用场景。SDAE模型由多个自编码器组成，每个自编码器使用叠堆的方式连接，可以实现高效的特征提取和学习。其中自编码器是一种无监督学习算法，它可以将数据映射到更低维度的表示，从而实现数据的降维。在训练过程中，SDAE模型会随机输入数据中的一部分节点，强制模型去学习如何从有噪声的数据中提取比较稳定的特征。SDAE模型是一种非常有用的深度学习算法，它可以在物体识别、自然语言处理、语音识别、推荐系统等多个领域有很好的应用。在实际应用场景中，需要对模型的结构、参数等进行一定的调整和修改才能得到最优的效果。