Otokodlayıcı

Makine öğrenmesi ve veri madenciliği
Problemler Sınıflandırma Kümeleme Regresyon Anomali tespiti Association rules Pekiştirmeli öğrenme Yapılandırılmış tahmin Öznitelik mühendisliği Öznitelik öğrenmesi Öznitelik çıkarımı Online öğrenme Yarı-gözetimli öğrenme Gözetimsiz öğrenme Sıralama öğrenme Gramer Tümevarımı
Gözetimli öğrenme Karar ağacı Birlik öğrenmesi k-YK Doğrusal regresyon Naive Bayes Sinir ağları Lojistik regresyon Relevance vector machine (RVM) Support vector machine (SVM) Rastgele orman
Kümeleme BIRCH Hiyerarşik k-means Beklenti maksimizasyon DBSCAN OPTICS Mean-shift
Boyut indirgeme Faktör analizi CCA ICA LDA NMF PCA t-SNE
Yapılandırılmış tahmin Grafiksel modeller (Bayes ağları, CRF, HMM)
Anomali tespiti k-NN Local outlier factor
Sinir ağları Perseptron Otokodlayıcı Derin öğrenme RNN LSTM Kısıtlı Boltzmann makinesi SOM Kıvrımlı sinir ağları
Pekiştirmeli öğrenme Q-Learning SARSA Temporal Difference (TD)
Teori Bias-variance ikilemi Hesaplamalı öğrenme teorisi Empirik risk minimizasyonu Occam learning PAC learning İstatistiki öğrenme teorisi VC theory
Konferanslar ve dergiler NIPS ICML ML JMLR ArXiv:cs.LG
g t d

Otokodlayıcı, denetimsiz bir şekilde öğrenmek için kullanılan bir tür yapay sinir ağıdır.^[1] Otokodlayıcının amacı veriyi temsil eden bir timsal vektörü öğrenmektir. Tipik olarak boyutsallık azaltma için kullanılır. Genel mimarisinde bir kodlayıcı bir de deşifre edici modülleri içerir. Kodlayıcı modül veriyi özümseyen bir timsal vektörü yaratırken deşifre edici modül ise bu timsal vektörünü kullanarak tekrar yeni veri oluşturmaktadır. Otokodlayıcı yapay sinir ağlarına örnek olarak Varyasyonel Otokodlayıcı ve de Derin Üretken Modeller verilebilir. Otomatik kodlayıcılar, yüz tanımadan^[2] kelimelerin anlamsal anlamlarını elde etmeye kadar birçok uygulamalı problemin çözümünde etkili bir şekilde kullanılmaktadır.^[3][4]

Temelde iki bölmeden oluşur: kodlayıcı ve deşifreci. Kodlayıcı bölme giderek boyutu azalan çok katmanlı perseptronlardan oluşur. Deşifreci bölme ise giderek artan çok katmanlı perseptronlardan oluşur. Kodlayıcıya verinin girdi boyutu ile deşifrecinin sonucundan oluşan çıktının nöron sayısı (boyutu) aynıdır.