Protlačte data úzkým otvorem a donuťte je k rekonstrukci. Autoenkodér se učí kompresí vstupu do kompaktní reprezentace a poté z tohoto úzkého hrdla znovu vytvoří originál. Síť nemůže jednoduše kopírovat. Musí zachytit strukturu, na které záleží.

Dvě poloviny odvedou práci. Kodér mapuje vstup na latentní vektor. Dekodér mapuje tento vektor zpět do původního prostoru. Trénování minimalizuje chybu rekonstrukce, často měřenou střední kvadratickou chybou nebo křížovou entropií.

Běžné použití

• Redukce dimenzionality jako nelineární alternativa k PCA
• Odšumování, kde síť odstraňuje poškození
• Detekce anomálií měřením chyby rekonstrukce
• Předškolení pro následné úkoly

Varianty tuto myšlenku rozšiřují. Variační autoenkodéry vnucují latentnímu prostoru pravděpodobnostní strukturu, která jim umožňuje generovat nové vzorky. Řídké autoenkodéry přidávají penalizace, aby podpořily kompaktní kódy.