Autoenkodér

Architektura autoenkodéru, kde x resp. y jsou aktivační potenciály neuronů vstupní/výstupní resp. dělící vrstvy, f je aktivační funkce neuronů dělící vrstvy a u resp. v je vektor vah enkodéru resp. dekodéru.

Autoenkodér je typ umělé neuronové sítě užívající učení bez učitele, který dokáže účinně kódovat vstupní data na vektor menší dimenze a opět je dekódovat při nulové ztrátě informace. Může to být například vícevrstvý perceptron se shodným počtem vstupních a výstupních neuronů o lichém počtu vrstev, kde střední vrstva je označována jako dělící. Autoenkodér se na sadě vstupních vzorů učí autoasociativní funkci, tj. vzor předložený na vstup reprodukovat na výstupu. Jako učící strategii lze užít algoritmus zpětného šíření chyby. Autoenkodér slouží ke kompresi a kryptování informace, kde vstupní až dělící vrstva (enkodér) slouží ke kompresi a šifrování vstupního vzoru do stavů neuronů dělící vrstvy a dělící až výstupní vrstva (dekodér) slouží k dekompresi a dešifrování vstupního vzoru ze stavů neuronů dělící vrstvy. Kompresní poměr je dán poměrem počtu neuronů vstupní/výstupní vrstvy k počtu neuronů dělící vrstvy. První polovina vah sítě pak slouží jako šifrovací klíč a druhá polovina vah sítě slouží jako dešifrovací klíč.

Literatura

• KŘIVAN, Miloš. Umělé neuronové sítě. [s.l.]: Nakladatelství Oeconomica, Vysoká škola ekonomická v Praze 77 s. Dostupné online. ISBN 978-80-245-2420-7.