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。
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。
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。