30秒でわかる要点
入力データを圧縮（エンコード）し、復元（デコード）するネットワーク。次元削減、ノイズ除去、異常検知などに応用。変分オートエンコーダ（VAE）は生成モデルとしても使われる。
「オートエンコーダ」の練習問題
当サイトの練習問題から、この用語に関係する問題をピックアップしました。
Q1自己符号化器（Autoencoder）の役割について最も適切な説明はどれか。
- 入力を低次元の潜在表現に圧縮（符号化）し、出力で復元することで、教師なし特徴学習を実現する
- 全てのデータを元の次元で復元し、圧縮しない
- 教師なし学習では特徴学習は不可能
- オートエンコーダはディープラーニングで使用されない
答えと解説を見る
正解：A
オートエンコーダは、入力x→隠れ層h→出力x'の構造。hが低次元なら、xの圧縮表現を学習。異常検知（復元誤差が大きい）、次元削減、生成モデルの基盤。B、C、Dは誤り。
Q2オートエンコーダ（Autoencoder）の基本構造と目的について、最も正確な説明はどれか。
- 入力を圧縮した潜在表現へエンコードし、そこから元データを再構成するデコードを行い、この過程で有用な表現を学習する
- 教師あり学習の一種である
- 入出力は必ず同じサイズである
- 回帰問題にのみ使用される
答えと解説を見る
正解：A
オートエンコーダは教師なし。エンコーダで圧縮、デコーダで復元。再構成誤差最小化で表現学習。
Q3変分オートエンコーダ（Variational Autoencoder, VAE）がシンプルなオートエンコーダと異なる点は何か。
- 潜在空間を確率分布としてモデル化し、KL ダイバージェンス項を加えることで、より規則的で連続的な潜在空間を学習する
- VAE は画像のみに適用可能
- 確率モデルではない
- 生成ができない
答えと解説を見る
正解：A
VAE は潜在変数に事前分布（通常正規分布）設定。ELBO （変分下界）を最小化。生成モデル。
深層学習の問題をまとめて解いて、理解を確かめましょう（無料・登録不要）。
深層学習の練習問題を解く