Kas yra autoencoder anomalijų aptikimui ir kaip skaičiuoti rekonstrukcijos klaidą?

Autoencoder — tai neuronų tinklas, kuris mokosi atkurti įvesties duomenis išėjime naudodamas suspaustą vidinę reprezentaciją (latentinę erdvę). Anomalių aptikimo užduočiai autoencoder mokomas naudoti normaliais duomenis, kad efektyviai juos rekonstruotų. Kai pateikiamas anomalus pavyzdys, tinklas jį atkuria blogiau, kas pasireiškia dideliu atkūrimo klaidos reikšme.

Atkūrimo klaida — tai metrika, matuojanti skirtumą tarp įvesties signalo ir rekonstruoto signalo. Paprastai naudojama vidutinė kvadratinė klaida (MSE):

import numpy as np

# x - įvesties duomenys
# x_reconstructed - autoencoder išėjimas
reconstruction_error = np.mean((x - x_reconstructed) ** 2)

Jei atkūrimo klaida viršija nustatytą slenkstį, objektas laikomas anomalija.