Какво е автоенкодер за откриване на аномалии и как се изчислява грешката на реконструкцията?

Autoencoder — това е невронна мрежа, която се обучава да възстановява входните данни на изхода чрез компресирано вътрешно представяне (латентно пространство). За задачата за откриване на аномалии, autoencoder се обучава върху нормални данни, за да научи как ефективно да ги реконструира. При подаване на аномален пример, мрежата го възстановява по-лошо, което се проявява с голяма стойност на грешката при възстановяване.

Грешката при възстановяване е метрика, която измерва разликата между входния сигнал и възстановения сигнал. Обикновено се използва средната квадратична грешка (MSE):

import numpy as np

# x - входни данни
# x_reconstructed - изход на autoencoder
reconstruction_error = np.mean((x - x_reconstructed) ** 2)

Ако грешката при възстановяване надвиши зададения праг, обектът се счита за аномалия.