AutoEncoder

• 입력 데이터츷 저차원의 벡터로 압축한 뒤 원래 크기의 데이터로 복원하는 신경망
  
  출처: https://techblog-history-younghunjo1.tistory.com/130

Latent vector: 원본데이터보다 차원이 작으면서도, 원본 데이터의 특징을 잘 보존하고 있는 벡터

즉, 오토 인코더는 latent벡터를 잘 얻기 위한 방법

원본 데이터를 더 낮은 차원으로 압축했다가 복원하는 과정에서 원본 데이터의 특징을 최대한 보존하는 latent 벡터를 학습

AutoEncoder 활용

• 차원 축소와 데이터 압출
• 데이터 노이즈 제거
• 이상치 탐지
• 오토 인코더의 목적: 잠재 벡터로 특징을 보존하는 것
• 오토 인코더 활용: 노이즈 제거, 이상치 탐지, 차원축소 및 데이터 압축

인코더

• 입력데이터-> 저차원의 백터로 축소
• 디코더: 원래 크기의 데이터로 복원
• 잠재 벡터
  • 원본 데이터의 특징을 보존
  • 원본 데이터 > 잠재 벡터

노이즈는 0.2일때가 가장 성능이 좋을 수 있음

매니폴드(manifold)

• 고차원의 공간에서 데이터가 이루는 저차원의 공간이 매니폴드이며 이런 매니폴드 공간을 찾는 것을 매니폴드 학습이라고함