Ce este un autoencoder pentru detectarea anomaliilor și cum se calculează eroarea de reconstrucție?

Autoencoder — este o rețea neuronală care învață să reconstruiască datele de intrare în ieșire printr-o reprezentare internă comprimată (spațiu latent). Pentru detectarea anomaliilor, autoencoder-ul este antrenat pe date normale pentru a învăța să le reconstruiască eficient. Când este prezentat un exemplu anormal, rețeaua îl reconstruiește mai prost, ceea ce se manifestă printr-o eroare de reconstrucție mare.

Eroarea de reconstrucție este o metrică care măsoară diferența dintre semnalul de intrare și cel reconstruit. De obicei, se folosește eroarea pătratică medie (MSE):

import numpy as np

# x - date de intrare
# x_reconstructed - ieșirea autoencoder-ului
reconstruction_error = np.mean((x - x_reconstructed) ** 2)

Dacă eroarea de reconstrucție depășește un prag stabilit, obiectul este considerat o anomalie.