Co je autoencoder pro detekci anomálií a jak spočítat rekonstrukční chybu?

Autoencoder — je neuronová síť, která se učí rekonstruovat vstupní data na výstupu prostřednictvím komprimovaného vnitřního zobrazení (latentního prostoru). Pro detekci anomálií je autoencoder trénován na normálních datech, aby se naučil je efektivně rekonstruovat. Při zadání anomálního vzorku jej síť rekonstruuje hůře, což se projevuje vysokou chybou rekonstrukce.

Chyba rekonstrukce je metrika, která měří rozdíl mezi vstupním signálem a rekonstruovaným signálem. Obvykle se používá střední kvadratická chyba (MSE):

import numpy as np

# x - vstupní data
# x_reconstructed - výstup autoencoderu
reconstruction_error = np.mean((x - x_reconstructed) ** 2)

Pokud chyba rekonstrukce přesáhne stanovený práh, objekt je považován za anomálii.