Autoencoder

Ein Autoencoder ist ein künstliches neuronales Netzwerk, das zur effizienten Kodierung beim unüberwachten Lernen verwendet wird, häufig zur Dimensionsreduzierung.

Es handelt sich auch um einen Datenkomprimierungsalgorithmus, bei dem die Komprimierungs- und Dekomprimierungsfunktionen der Daten verlustbehaftet sind und automatisch aus Samples gelernt werden. In den meisten Fällen, in denen Autoencoder erwähnt werden, werden die Komprimierungs- und Dekomprimierungsfunktionen jedoch durch neuronale Netzwerke implementiert.

Autoencoder sind datenspezifisch oder datenabhängig, was bedeutet, dass sie nur Daten komprimieren können, die den Trainingsdaten ähnlich sind.

Autoencoder sind verlustbehaftet, was bedeutet, dass die dekomprimierte Ausgabe im Vergleich zur ursprünglichen Eingabe schlechter ist, ebenso wie Komprimierungsalgorithmen wie MP3, JPEG usw.

Autoencoder werden automatisch aus Datenproben gelernt. Das bedeutet, dass es einfach ist, einen bestimmten Encoder für eine bestimmte Eingabeklasse zu trainieren, ohne dass neue Arbeit erforderlich ist.