Se comprime la información a través de una abertura estrecha y se fuerza su reconstrucción. Un autoencoder aprende comprimiendo la entrada en una representación compacta y luego reconstruyendo la original a partir de ese cuello de botella. La red no puede simplemente copiar; debe capturar la estructura relevante.

Dos partes realizan el trabajo. El codificador asigna la entrada a un vector latente. El decodificador asigna ese vector de vuelta al espacio original. El entrenamiento minimiza el error de reconstrucción, que a menudo se mide en error cuadrático medio o entropía cruzada.

Usos comunes

• Reducción de dimensionalidad como alternativa no lineal al PCA
• Eliminación de ruido, donde la red elimina la corrupción.
• Detección de anomalías mediante la medición del error de reconstrucción
• Preentrenamiento para tareas posteriores

Las variantes amplían esta idea. Los autoencoders variacionales imponen una estructura probabilística al espacio latente, lo que les permite generar nuevas muestras. Los autoencoders dispersos añaden penalizaciones para fomentar la creación de códigos compactos.