ऑटोएन्कोडर्स

एक ऑटोएन्कोडर एक तंत्रिका नेटवर्क है जो डेटा को एक कॉम्पैक्ट कोड में संपीड़ित करना सीखता है और फिर इसे पुनर्निर्माण करता है, जिससे नेटवर्क को केवल सबसे आवश्यक पैटर्न कैप्चर करने के लिए मजबूर होना पड़ता है। यह मायने रखता है क्योंकि सीखा गया संपीड़न शक्तियाँ डीनोइज़िंग, विसंगति का पता लगाने और आधुनिक जेनरेटर मॉडल की नींव रखता है।

एक छोटी बाधा नेटवर्क को केवल इनपुट की प्रतिलिपि बनाने से रोकती है, जिससे उसे संपीड़ित, सार्थक एन्कोडिंग सीखने के लिए मजबूर होना पड़ता है।

पुनर्निर्माण लक्ष्य मूल इनपुट है, इसलिए डेटा मैन्युअल लेबल के बिना अपने स्वयं के पर्यवेक्षण संकेत की आपूर्ति करता है।

डीनोइज़िंग ऑटोएन्कोडर्स जानबूझकर इनपुट को भ्रष्ट करते हैं और स्वच्छ मूल को आउटपुट करना सीखते हैं, जिससे प्रतिनिधित्व अधिक मजबूत हो जाता है।

एक वीएई अव्यक्त स्थान को निरंतर और संभाव्य बनाने के लिए नियमित करता है, इसलिए नए बिंदुओं का नमूना लेने से संभावित नए आउटपुट मिलते हैं।

रैखिक परतों और एमएसई हानि के साथ, एक ऑटोएनकोडर पीसीए के समान उपस्थान तक फैला होता है; गैर-रैखिकताएं इसे कई गुना अधिक समृद्ध सीखने देती हैं।