autocodificatore

Un autocodificatore o autoencoder è un tipo di rete neurale artificiale utilizzato per apprendere codifiche efficienti di dati non etichettati, rientrando quindi nel campo dell'apprendimento non supervisionato. La codifica viene convalidata e perfezionata tentando di ricostruire l'input dalla codifica. L'autocodificatore apprende una rappresentazione (codifica) di un insieme di dati, tipicamente per la riduzione della dimensionalità, addestrando la rete a ignorare i dati insignificanti ("rumore"). Esistono varianti che mirano a vincolare le rappresentazioni apprese ad assumere proprietà utili. Esempi sono gli autoencoder regolarizzati (Sparse, Denoising e Contractive), che sono efficaci nell'apprendimento delle rappresentazioni che verranno usate in una successiva classificazione, e gli autoencoder variazionali, impiegati come modelli generativi. Gli autoencoder vengono applicati a molti problemi, tra cui il riconoscimento facciale, il rilevamento di caratteristiche e di anomali e la comprensione del significato delle parole. Gli autoencoder sono anche modelli generativi che possono generare casualmente nuovi dati simili ai dati di addestramento di input alla rete.