autoenkoodereita

Autoenkooderit ovat eräänlaisia neuroverkkoja, joita käytetään tehokkaaseen tiedon esittämiseen ja datan dimensiomäärän vähentämiseen. Ne koostuvat kahdesta osasta: enkooderista ja dekooderista. Enkooderin tehtävänä on pakata syötedata tiiviimpään, latenttiin esitysmuotoon, jota kutsutaan usein piileväksi tilaksi tai koodiksi. Dekooderin puolestaan tavoitteena on rekonstruoida alkuperäinen syötedata tästä latentista esitysmuodosta mahdollisimman tarkasti.

Oppimisprosessin aikana autoenkooderin tavoitteena on minimoida rekonstruktiovirhe, eli ero alkuperäisen syötteen ja dekooderin tuottaman jäljennöksen välillä. Tämä pakottaa enkooderin oppimaan olennaisimmat piirteet datasta tallentaakseen ne latenttiin esitysmuotoon. Latentti tila on tyypillisesti huomattavasti pienempi kuin alkuperäinen syöte, mikä tekee autoenkoodereista hyödyllisiä dimensiomäärän vähentämisessä.

Autoenkoodereita voidaan hyödyntää monenlaisissa sovelluksissa. Ne ovat tehokkaita kuvien pakkaamisessa ja kohinan poistossa, sillä verkko oppii erottamaan merkitykselliset piirteet satunnaisesta kohinasta. Niitä käytetään myös poikkeamien havaitsemisessa; kun autoenkooderi yrittää rekonstruoida dataa, jonka se on nähnyt oppimisvaiheessa, sen onnistuu se yleensä hyvin. Sen sijaan poikkeavia tai tuntemattomia datoja rekonstruoidessaan rekonstruktiovirhe kasvaa merkittävästi, mikä auttaa tunnistamaan poikkeamat. Lisäksi niitä sovelletaan generatiivisissa malleissa ja suositusjärjestelmissä.