Autoencoders مصنوعی اعصابی نیٹ ورک کی ایک قسم ہے جو صرف ڈیٹا کو بطور ان پٹ استعمال کرتے ہوئے ڈیٹا کے دیئے گئے سیٹ کو دوبارہ تیار کرنا سیکھ سکتا ہے۔ ڈیٹا کی جہت کو کم کرنے، ڈیٹا میں پیچیدہ نمونوں کو سیکھنے، اور غیر زیر نگرانی سیکھنے کے کاموں کے لیے ڈیٹا کی نمائندگی سیکھنے کے لیے آٹو اینکوڈرز کا اکثر استعمال کیا جاتا ہے۔
ایک آٹو اینکوڈر ایک انکوڈر پر مشتمل ہوتا ہے، جو ان پٹ کو پوشیدہ پرت کی نمائندگی میں تبدیل کرتا ہے، اور ایک ڈیکوڈر، جو اس پوشیدہ پرت کی نمائندگی سے ان پٹ کو دوبارہ تشکیل دیتا ہے۔ انکوڈر اور ڈیکوڈر دونوں فیڈ فارورڈ نیٹ ورکس، ریکرنٹ نیٹ ورکس، یا دونوں کا مجموعہ ہو سکتے ہیں۔ ان پٹ کو ایک کمپیکٹ نمائندگی میں انکوڈ کیا جاتا ہے جسے لیٹنٹ اسپیس کہا جاتا ہے، جسے پھر مختلف کاموں کے لیے استعمال کیا جا سکتا ہے، جیسے کہ درجہ بندی، ریگریشن، کلسٹرنگ، ڈینوائزنگ، اور بہت کچھ۔
آٹو اینکوڈرز کو مختلف قسم کے الگورتھم استعمال کرتے ہوئے تربیت دی جا سکتی ہے، جن میں سب سے عام بیک پروپیگیشن ہے۔ آٹو اینکوڈرز کو کمک سیکھنے کی مختلف حالتوں کا استعمال کرتے ہوئے بھی تربیت دی جا سکتی ہے، جیسے پرووینس پر مبنی کمک سیکھنا۔
ڈیٹا کی جہت کو کم کرنے کے علاوہ، ڈیٹا کی ساخت میں بصیرت فراہم کرنے کے لیے آٹو اینکوڈرز کا بھی استعمال کیا جاتا ہے۔ مثال کے طور پر، ان کا استعمال ڈیٹا پوائنٹس کے درمیان تعلقات کو ننگا کرنے اور ان خصوصیات کو سیکھنے کے لیے کیا جا سکتا ہے جو نیچے دھارے کے کاموں کے لیے اہم ہیں۔
آٹو اینکوڈرز دیگر شعبوں میں بھی استعمال ہوتے ہیں، جیسے کہ جنریٹیو ماڈلز بنانے اور آؤٹ لیئر کا پتہ لگانے کے لیے۔ ابھی حال ہی میں، آٹو اینکوڈرز کو گہری سیکھنے کی ایپلی کیشنز میں استعمال کیا گیا ہے جیسے امیج سیگمنٹیشن اور امیج کی درجہ بندی۔
آٹو اینکوڈرز مصنوعی ذہانت اور مشین لرننگ سسٹم کی ترقی میں ایک اہم ذریعہ ہیں۔ وہ مختلف قسم کے ایپلی کیشنز کے لیے تحقیق میں بڑے پیمانے پر استعمال ہوتے ہیں، اور ڈیٹا کی نمائندگی سیکھنے کا ایک مقبول طریقہ بنتے رہتے ہیں۔