오토인코더와 VAE(변형 오토인코더)

RBM은 에너지 최소화와 확률 분포를 기반으로 작동하기 때문에 모델의 학습 결과를 직관적으로 해석하기 어렵습니다. 특히, 은닉층이 어떤 특징을 학습했는지 명확히 파악하기 힘들다는 한계가 있습니다.

오토인코더(AE, AutoEncoder)는 입력 데이터를 효율적으로 압축하고 재구성하기 위해 설계된 신경망 기반 비지도 학습 모델입니다. 입력 데이터를 압축(인코딩)하고 다시 복원(디코딩)하는 과정을 통해 데이터의 중요한 특징을 학습합니다. 이 과정에서 잠재 공간(latent space)을 활용해 핵심 특징을 추출하고, 데이터를 더 효율적으로 표현하는 방법을 학습하는 것이 주요 목표입니다.