オートエンコーダとは？
おーとえんこーだ
オートエンコーダとは、入力データを圧縮し再構成する機械学習モデルで、データの特徴抽出や異常検知などに活用されます。
オートエンコーダ（Autoencoder）は、ニューラルネットワークの一種で、入力データを一度低次元の潜在表現（潜在空間）に圧縮（エンコード）し、そこから元のデータを再構成（デコード）することを学習するモデルです。入力と出力が同じデータになるよう訓練される点が大きな特徴です。
構造は大きく三つに分かれます。
- エンコーダ：入力を受け取り、圧縮された潜在ベクトルを生成する部分
- ボトルネック（潜在層）：情報が凝縮された低次元の中間表現
- デコーダ：潜在ベクトルから元の入力を復元する部分
応用例は多岐にわたります。画像やセンサーデータの異常検知（正常データで学習したモデルが異常を再現できない性質を利用）、ノイズ除去を目的としたデノイジングオートエンコーダ、生成モデルとして発展させた変分オートエンコーダ（VAE）などが代表的です。
教師なし学習の枠組みで動作するため、ラベルなしデータから特徴を学習できる点が実用上の大きな強みです。深層学習の普及とともに幅広い分野で利用されています。
使い方・例文
製造ラインのセンサーデータにオートエンコーダを適用し、正常状態のパターンを学習させることで、再構成誤差が大きい時点を設備異常のアラートとして自動検出する事例があります。
この用語をシェア
最終更新: