Autoencoder
Girdisini sıkıştırıp tekrar yeniden oluşturmayı öğrenerek verimli temsil öğrenen sinir ağı.
Otokodlayıcı (autoencoder), girdisini önce sıkıştırıp ardından bu sıkıştırılmış temsilden orijinal girdiyi olabildiğince sadık biçimde yeniden oluşturmayı öğrenen, gözetimsiz bir sinir ağı mimarisidir. Yapı iki ana bölümden oluşur: bir kodlayıcı (encoder), girdi verisini "darboğaz" adı verilen düşük boyutlu bir örtük uzaya (latent space) sıkıştırır; bir kod çözücü (decoder) ise bu sıkıştırılmış temsilden orijinal veriyi yeniden inşa etmeye çalışır. Model, giriş ile çıkış arasındaki farkı minimize edecek şekilde eğitilir; bu süreçte etiketlenmiş veriye ihtiyaç duymaz çünkü modelin "doğru cevabı" girdinin kendisidir.
Otokodlayıcıların önemi, darboğaz katmanının modeli verinin en önemli özelliklerini öğrenmeye zorlamasından gelir; bu sıkıştırılmış temsil, boyut indirgeme, gürültü giderme (denoising autoencoder), anomali tespiti ve öneri sistemleri gibi pek çok alanda kullanılabilir. Otokodlayıcıların olasılıksal bir versiyonu olan varyasyonel otokodlayıcılar (VAE), örtük uzaydan örnekleme yaparak yeni, gerçekçi veri üretebilir; bu da onları üretici yapay zekanın öncü mimarilerinden biri haline getirmiştir.
Otokodlayıcıların önemi, darboğaz katmanının modeli verinin en önemli özelliklerini öğrenmeye zorlamasından gelir; bu sıkıştırılmış temsil, boyut indirgeme, gürültü giderme (denoising autoencoder), anomali tespiti ve öneri sistemleri gibi pek çok alanda kullanılabilir. Otokodlayıcıların olasılıksal bir versiyonu olan varyasyonel otokodlayıcılar (VAE), örtük uzaydan örnekleme yaparak yeni, gerçekçi veri üretebilir; bu da onları üretici yapay zekanın öncü mimarilerinden biri haline getirmiştir.