Autoencoder är en typ av neural nätverksmodell som används för att utföra dimensionell reduktion eller för att generera ny data.
Autoencodern består av två delar: en encoder som omvandlar indata till en komprimerad representation och en decoder som omvandlar den komprimerade representationen tillbaka till en rekonstruerad version av den ursprungliga datan.
Autoencodern tränas genom att jämföra utdata från decodern med ursprunglig data och justera vikterna i nätverket för att minimera skillnaden mellan dem.
Exempel på tillämpningar av autoencoder inkluderar bildgenerering, ansiktsigenkänning och ljudkomprimering.