Անոմալիայի հայտնաբերման համար autoencoder-ը ինչ է և ինչպես հաշվել վերականգնման սխալը?

Autoencoder — դա նեյրոնային ցանց է, որը սովորում է վերականգնել մուտքային տվյալները ելքում՝ օգտագործելով սեղմված ներքին ներկայացում (լատենտ տարածք): Անոմալիաների հայտնաբերման խնդիրների համար autoencoder-ը սովորում է նորմալ տվյալների վրա՝ արդյունավետ վերականգնելու նրանց: Երբ ներկայացվում է անոմալ օրինակ, ցանցը այն վերականգնում է վատ, ինչը արտահայտվում է մեծ վերականգնման սխալի մեջ:

Վերականգնման սխալը մի չափանիշ է, որը չափում է մուտքային և վերականգնված ազդանշանների տարբերությունը: Սովորաբար օգտագործվում է միջին քառակուսային սխալը (MSE):

import numpy as np

# x - մուտքային տվյալներ
# x_reconstructed - autoencoder-ի ելք
reconstruction_error = np.mean((x - x_reconstructed) ** 2)

Եթե վերականգնման սխալը գերազանցում է սահմանված շեմը, օբյեկտը համարվում է անոմալիա: