オートエンコーダー（Autoencoder）とは、入力データを低次元の潜在表現に圧縮（エンコード）し、そこから元のデータを復元（デコード）するように学習するニューラルネットワークです。次元削減、特徴抽出、異常検知、生成モデルなどに活用されます。
構造
エンコーダー（入力→潜在表現）とデコーダー（潜在表現→出力）の2つの部分で構成されます。ボトルネック（潜在層）は入力より次元が小さく設計され、モデルはデータの本質的な情報を潜在表現に圧縮することを学習します。
| ひとことで言うと | 入力を一度圧縮し、そこから元に戻せるように学習するニューラルネットワーク。 |
|---|---|
| どこで使う | 異常検知、次元削減、ノイズ除去、データの特徴抽出。 |
| 注意点 | 正解ラベルは不要だが、圧縮しすぎると大事な情報も失われる。 |
変分オートエンコーダー（VAE）
VAEは潜在空間に確率分布を導入した発展形です。滑らかな潜在空間を学習するため、新しいデータの生成（画像生成など）に利用できます。
1入力データ画像やセンサー値
▶
2圧縮（符号化）少ない次元に落とす
▶
3潜在表現本質だけ残した表現
▶
4復元（復号）元の形に戻す
▶
5差を最小化入力と出力を近づける
※ 異常検知では「うまく復元できない＝いつもと違う」と判定します。
活用例
異常検知（正常データのみで学習し、再構成誤差が大きいものを異常とする）、ノイズ除去（デノイジングオートエンコーダー）、データ圧縮、表現学習など。