რა არის autoencoder ანომალიების გამოვლენისთვის და როგორ ითვლება აღდგენის შეცდომა?

Autoencoder — ეს ნეირონული ქსელია, რომელიც სწავლობს შესვლის მონაცემების აღდგენას გამოსავალზე სქემირებული შიდა წარმოდგენის (ლატენტური სივრცის) საშუალებით. ანომალიების გამოვლენის ამოცანისთვის, autoencoder-ი სწავლობს ნორმალურ მონაცემებზე, რათა ისწავლოს მათ ეფექტურად აღდგენა. როდესაც წარმოდგენილი იქნება ანომალური მაგალითი, ქსელი მას უარესად აღადგენს, რაც გამოიხატება დიდი აღდგენის შეცდომაში.

აღდგენის შეცდომა — ეს არის მეტрика, რომელიც ზომავს შესვლის სიგნალთან და აღდგენილ სიგნალთან განსხვავებას. ჩვეულებრივ გამოიყენება საშუალო კვადრატული შეცდომა (MSE):

import numpy as np

# x - შესვლის მონაცემები
# x_reconstructed - autoencoder-ის გამოსავალი
reconstruction_error = np.mean((x - x_reconstructed) ** 2)

თუ აღდგენის შეცდომა აღემატება განსაზღვრულ ზღვარს, ობიექტი მიიჩნევა ანომალიად.