Was ist ein Autoencoder für Anomalieerkennung und wie berechnet man den Rekonstruktionsfehler?

Autoencoder — ist ein neuronales Netzwerk, das darauf trainiert wird, Eingabedaten anhand einer komprimierten internen Darstellung (latenter Raum) wiederherzustellen. Für die Anomalieerkennung wird der Autoencoder auf normale Daten trainiert, um sie effizient rekonstruieren zu können. Bei der Eingabe eines anomalen Beispiels rekonstruiert das Netzwerk es schlechter, was sich in einem hohen Rekonstruktionsfehler zeigt.

Der Rekonstruktionsfehler ist eine Metrik, die die Differenz zwischen dem Eingangssignal und dem rekonstruierten Signal misst. Üblicherweise wird der mittlere quadratische Fehler (MSE) verwendet:

import numpy as np

# x - Eingangsdaten
# x_reconstructed - Ausgang des Autoencoders
reconstruction_error = np.mean((x - x_reconstructed) ** 2)

Wenn der Rekonstruktionsfehler einen festgelegten Schwellenwert überschreitet, gilt das Objekt als Anomalie.