Autoencoder

Wat is een autoencoder?

Een autoencoder is een type neuraal netwerk dat leert om gegevens samen te persen tot een compacte samenvatting en die vervolgens weer uit te pakken naar het origineel. Doordat het netwerk gedwongen wordt door die smalle “flessenhals”, leert het vanzelf wat de belangrijkste kenmerken van de data zijn, zonder dat iemand labels hoeft aan te leveren. Het is daarmee een vorm van unsupervised learning.

Hoe werkt het?

Een autoencoder bestaat uit twee delen. De encoder comprimeert de invoer (bijvoorbeeld een foto) tot een kleine numerieke representatie, de zogeheten latente ruimte. De decoder probeert uit die compacte versie het origineel weer op te bouwen. Tijdens de training vergelijkt het netwerk zijn reconstructie steeds met het origineel en past het zichzelf aan om het verschil zo klein mogelijk te maken. Wat overblijft in de flessenhals is de essentie van de data: ruis en onbelangrijke details vallen weg.

Wat heb je eraan als bedrijf?

Voor de meeste bedrijven is dit achtergrondkennis, maar de toepassingen kom je wel tegen. Autoencoders worden gebruikt voor het opschonen van ruis in beelden en audio, en vooral voor anomaliedetectie: train het netwerk op normale data (zoals reguliere transacties of normale machinesensordata) en alles wat het netwerk slecht kan reconstrueren is verdacht. Zo werken fraudedetectie en voorspellend onderhoud in veel systemen.

Gerelateerde begrippen

Een autoencoder is een kunstmatig neuraal netwerk dat traint via unsupervised learning. Het wordt vaak ingezet voor dimensionality reduction en anomaly detection.