डेटा को एक संकीर्ण छेद से गुजारें और उसे पुनर्निर्माण के लिए मजबूर करें। एक ऑटोएनकोडर इनपुट को एक संक्षिप्त रूप में संपीड़ित करके सीखता है, फिर उस अवरोध से मूल डेटा का पुनर्निर्माण करता है। नेटवर्क केवल नकल नहीं कर सकता। उसे महत्वपूर्ण संरचना को समझना होगा।

दो भाग मिलकर काम करते हैं। एनकोडर इनपुट को एक लेटेंट वेक्टर में मैप करता है। डिकोडर उस वेक्टर को वापस मूल स्पेस में मैप करता है। ट्रेनिंग से रिकंस्ट्रक्शन एरर को कम किया जाता है, जिसे अक्सर मीन स्क्वेयर्ड एरर या क्रॉस-एंट्रॉपी में मापा जाता है।

सामान्य उपयोग

• पीसीए के गैर-रेखीय विकल्प के रूप में आयामी कमी
• डिनॉइज़िंग, जिसमें नेटवर्क से गड़बड़ी को दूर किया जाता है।
• पुनर्निर्माण त्रुटि को मापकर विसंगति का पता लगाना
• आगे के कार्यों के लिए पूर्व-प्रशिक्षण

इसके विभिन्न रूप इस विचार को आगे बढ़ाते हैं। वैरिएशनल ऑटोएनकोडर अव्यक्त स्थान पर एक संभाव्य संरचना लागू करते हैं, जिससे वे नए नमूने उत्पन्न कर सकते हैं। स्पार्स ऑटोएनकोडर संक्षिप्त कोड को प्रोत्साहित करने के लिए दंड जोड़ते हैं।