Kas ir autoencoder anomāliju noteikšanai un kā aprēķināt rekonstrukcijas kļūdu?

Autoencoder — ir neironu tīkls, kas mācās atjaunot ievades datus izejā, izmantojot saspiestu iekšējo reprezentāciju (latentā telpa). Anomāliju noteikšanai autoencoder tiek apmācīts uz normāliem datiem, lai efektīvi tos rekonstruētu. Kad tiek ievadīts anomāls piemērs, tīkls to rekonstruē sliktāk, kas izpaužas ar lielu atjaunošanas kļūdu.

Atjaunošanas kļūda ir metriks, kas mēra atšķirību starp ievades signālu un rekonstruēto signālu. Parasti tiek izmantota vidējā kvadrātiskā kļūda (MSE):

import numpy as np

# x - ievades dati
# x_reconstructed - autoencoder izeja
reconstruction_error = np.mean((x - x_reconstructed) ** 2)

Ja atjaunošanas kļūda pārsniedz noteiktu slieksni, objekts tiek uzskatīts par anomāliju.