انواع اتوانکدرها _Part1

اتوانکدرها بسته به نوع کاربرد و نحوه پردازش داده‌ها به دسته‌های مختلفی تقسیم می‌شوند: 

1.اتوانکدر کلاسیک (Vanilla Autoencoder)

۱.۱. تعریف و ساختار

اتوانکدر کلاسیک ساده‌ترین نوع Autoencoder است که تنها از یک رمزگذار (Encoder) و یک رمزگشا (Decoder) تشکیل شده است. هدف آن یادگیری نمایش فشرده از داده‌ها و سپس بازسازی آن‌ها است. در این مدل، خروجی رمزگذار مستقیماً به رمزگشا داده می‌شود و تابع هزینه خطای بازسازی (Reconstruction Error) را کمینه می‌کند.

۱.۲. تابع هزینه

تابع هزینه در این مدل معمولاً بر اساس میانگین مربعات خطا (MSE: Mean Squared Error) یا تابع کراس آنتروپی (Binary Cross-Entropy Loss) تنظیم می‌شود.

 ۱.۳. کاربردها

کاهش ابعاد داده‌ها بدون از دست دادن اطلاعات مهم
 فشرده‌سازی داده‌های حجیم مانند تصاویر و سیگنال‌ها
 بازسازی داده‌های ازدست‌رفته یا تخریب‌شده

---

۲. اتوانکدر کم‌تراکم (Sparse Autoencoder - SAE)

۲.۱. تعریف و ساختار

اتوانکدر کم‌تراکم (SAE) یکی از انواع پیشرفته است که در آن محدودیت کم‌تراکم (Sparsity Constraint) بر روی لایه پنهان اعمال می‌شود. هدف این مدل یادگیری نمایش‌های کارآمد و فشرده‌ای است که تنها بخش‌های مهم داده را حفظ کند.

ادامه در پست بعد