--- ↑: [[G検定に関する知識]] - 入力データを圧縮して復元するよう学習するNN（砂時計型構造） - エンコーダ（符号化）: 入力→潜在変数（低次元表現） - デコーダ（復号）: 潜在変数→元データの再現 - ボトルネック: 中間層のニューロン数を極端に少なくする - **情報は完全に保持されない**（ノイズなど一部は必ず失われる） ← 重要 - この制約が「本質的な特徴のみ学習」を強制する - [[PCA]]との違い: 活性化関数（ReLUなど）により**非線形な次元削減**が可能 - 3大活用 - 次元削減: 中間層の潜在変数を特徴ベクトルとして利用 - 異常検知: 正常データで学習→異常データは**再構成誤差が大きい** - ノイズ除去（Denoising Autoencoder）: ノイズあり入力→クリーン出力を学習