Šta je autoencoder za otkrivanje anomalija i kako izračunati grešku rekonstrukcije?

Autoencoder — је неуронска мрежа која се обучава да реконструише улазне податке на излазу кроз компримовано унутрашње представљање (латентни простор). За детекцију аномалија, autoencoder се обучава на нормалним подацима како би научио да их ефикасно реконструише. Када се прикаже аномални пример, мрежа га реконструише лошије, што се манифестује у великој грешци реконструкције.

Грешка реконструкције је метрика која мери разлику између улазног сигнала и реконструисаног. Обично се користи средња квадратична грешка (MSE):

import numpy as np

# x - улазни подаци
# x_reconstructed - излаз autoencoder-а
reconstruction_error = np.mean((x - x_reconstructed) ** 2)

Ако грешка реконструкције прелази одређени праг, објекат се сматра аномалијом.