Autoencoders: A Universal Tool for Data Compression, Denoising, and Anomaly Detection
- 2025년 6월 25일 오후 3:46
- 조회수: 42
REFERENCES
INFORMATION
- 2025년 6월 27일
- 오전 10시 ~
온라인 비디오 시청 (YouTube)
발표자:
한경석
한경석
TOPIC
Autoencoders: A Universal Tool for Data Compression, Denoising, and Anomaly Detection
On-Line Video
OVERVIEW
Autoencoder는 입력 데이터를 압축하고 복원하는 신경망 구조로, 비지도 학습 방식에서 핵심적인 역할을 수행해 왔다. 이 모델은 데이터를 효율적으로 요약해 저차원 잠재 공간(latent space)에 표현함으로써, 복원 과정에서 발생하는 오차를 기반으로 이상 징후를 탐지하거나 노이즈를 제거하는 데 매우 유용하다. 구조가 비교적 단순하고, 라벨 없이도 학습이 가능하며, 다양한 도메인에 맞게 유연하게 변형될 수 있다는 점에서 실용성이 높다. 이러한 장점 덕분에 Autoencoder는 현재까지도 보안, 센서 데이터 처리, 영상 복원 등 널리 활용되고 있다. 본 세미나에서는 Autoencoder의 작동 원리와 함께, 이를 다양한 분야에 적용한 세 가지 최신 사례를 중심으로 그 가능성과 확장성에 대해 논의하고자 한다.
참고자료:
[1] Chen, J., Cai,H., Chen,J., Xie,E., Yang,S., Tang, H., Li, M., Lu, Y & Han, S. (2025). Deep Compression Autoencoder for Efficient High-Resolution Diffusion Models. In Proceedings of the International Conference on Learning Representations (ICLR).
[2] Saranya, K., Valarmathi, A.(2025) A multilayer deep autoencoder approach for cross layer IoT attack detection using deep learning algorithms. Sci Rep 15, 10246
[3] Zhou, J., Zhang, H., Qiao, Q. et al. (2024) Denoising-autoencoder-facilitated MEMS computational spectrometer with enhanced resolution on a silicon photonic chip. Nat Commun 15, 10260