Autoenkóderek

Autoenkóderek, vagy röviden autoencoders, olyan neuronhálózati architektúrák, melyek elsősorban a nem felügyelt tanulás során használatosak adatkompresszióra és dimenziócsökkentésre. Az alapmodell egy kódoló (encoder) és egy dekódoló (decoder) rétegből áll. A kódoló nyújtva egy magas dimenziós bemeneti vektort egy alacsony dimenziós bottleneck‑sokásba, a dekódoló pedig ebből próbálja visszaépíteni az eredeti bemenetet. A hálózatot olyan veszteségfüggvénnyel optimalizálják, amely gyakorlatilag a bemenet és a rekonstruált kimenet közti különbséget méri, például minimum négyzetes hiba vagy keresztentropia.

Az autoenkóderek különböző változatait is alkalmazzák: a szűrőautoenkoderek (convolutional autoencoders) képadatokra, a varianszri autoenkoderek (variational autoencoders) generatív modellezéshez, valamint a sparsely constrained autoencoders, amelyek a kódolt reprezentációt szűk szerkezetűvé kényszerítik. Az ilyen modellek gyakran használatosak zajtorzítás, adatmenteshez vagy adatbázisok klaszterezéshez. Még több, hogy az autoenkóderek felhasználhatóak az előkészítő lépésekben is, mint például a bemeneti adatminőség javítása vagy a szoftverekben a riasztási rendszerek szűrésében. A fő korlátuk, hogy a rossz eredményre a modelezés gyakran túlilleszkedéshez vezet, illetve a nem FELELVETILŐ KATAKEREDŐ GARÁNTIÁJA.