主要包括：
基于传统的神经网络（如全连接、卷积神经网络、循环神经网络）的编码器，用于将输入数据转换为中间表示。
自编码器（Autoencoder），它通过训练一个神经网络来学习在输入数据中提取有用的特征，并将这些特征编码为向量表示。
变换器（Transformer），它是一种使用自注意力机制的神经网络结构，可以用于将序列数据进行编码，如文本和语音。
生成式对抗网络（GAN），它可以用于将图像等数据进行编码，训练出一个可以生成目标数据的生成器模型。
单元编码器（Unit Encoder），它是一种用于将符号表示（如自然语言）转换为向量表示的神经网络。
