Čo je autoencoder pre detekciu anomálií a ako sa počíta chyba rekonštrukcie?

Autoencoder — je neurónová sieť, ktorá sa učí rekonštruovať vstupné údaje na výstupe prostredníctvom komprimovaného vnútorného zobrazenia (latentného priestoru). Pre detekciu anomálií je autoencoder trénovaný na normálnych dátach, aby sa naučil ich efektívne rekonštruovať. Pri zadaní anomálneho vzorku ho sieť rekonštruuje horšie, čo sa prejavuje vysokou chybou rekonštrukcie.

Chyba rekonštrukcie je metrika, ktorá meria rozdiel medzi vstupným signálom a rekonštruovaným signálom. Zvyčajne sa používa stredná štvorcová chyba (MSE):

import numpy as np

# x - vstupné údaje
# x_reconstructed - výstup autoencoderu
reconstruction_error = np.mean((x - x_reconstructed) ** 2)

Ak chyba rekonštrukcie presiahne stanovený prah, objekt sa považuje za anomáliu.