AutoEncoder

AutoEncoder(오토인코더)는 입력 데이터를 저차원의 벡터로 압축한 뒤 원래 크기의 데이터로 복원하는 신경망입니다.
아래는 기본적인 AutoEncoder의 구조를 나타낸 이미지입니다.

AutoEncoder의 기본적인 구조는 위 그림처럼 모래시계(?) 형태를 띠고 있습니다.

위에 Code 라고 표시된 가장 저차원의 벡터는 Latent(잠재) 벡터라고도 하는데요.

AutoEncoder 에서 중요한 의미를 갖는 Latent 벡터란 무엇일까요?.

Latent(잠재) 벡터란 원본 데이터보다 차원이 작으면서도, 원본 데이터의 특징을 잘 보존하고 있는 벡터를 말하는데요.

AutoEncoder는 궁극적으로 이 Latent 벡터를 잘 얻기 위한 방법이라고 할 수 있겠습니다.

원본 데이터를 더 낮은 차원으로 압축했다가 복원하는 과정에서 원본 데이터의 특징을 최대한 보존하는 Latent 벡터를 학습할 수 있게 됩니다.

그렇다면 이렇게 얻어진 Latent 벡터는 어디에 활용할 수 있을까요?

즉, AutoEncoder 를 어디에 활용할 수 있을까요?

AutoEncoder의 대표 사례

• 차원 축소(Dimensionality Reduction)와 데이터 압축
• 데이터 노이즈 제거(Denoising)
• 이상치 탐지(Anomaly Detection)