オートエンコーダ
入力を潜在ベクトルに圧縮し（エンコーダ）、そこから入力を再構成する（デコーダ）ニューラルネットワーク。ラベルなしで学習する。
代表的な派生は、入力にノイズを加えるノイズ除去型、潜在ユニットに追加の罰則を課すスパース型、確率的な潜在空間を持つ変分型（VAE）である。価値の源は潜在空間にあり、可視化、次元削減、異常検知に使われる。
現代の用例では、Stable Diffusionが512×512の画像を64×64の潜在表現に圧縮し、拡散モデルはその空間で動く。word2vecや表現学習の考え方の土台でもある。