본 논문은 선형 또는 비선형 다양체에 샘플이 있는 다양한 데이터셋의 기저 내재 차원을 식별하는 내재 차원 추정 오토인코더(IDEA)를 소개합니다. IDEA는 내재 차원을 추정하는 것 외에도 재가중 이중 CancelOut 레이어를 사용하여 구성된 잠재 공간에 투영한 후 원래 데이터셋을 재구성할 수 있습니다. 주요 기여는 추가적인 잠재 차원 제거 시 재구성 품질을 지속적으로 평가하여 모델 학습을 안내하는 투영된 재구성 손실 항의 도입입니다. 먼저 일련의 이론적 벤치마크에서 IDEA의 성능을 평가하여 강건성을 검증합니다. 이러한 실험을 통해 재구성 능력을 테스트하고 최첨단 내재 차원 추정기와 성능을 비교할 수 있습니다. 벤치마크는 본 접근 방식의 높은 정확성과 다용성을 보여줍니다. 그 후, 수평 방향, 수직 방향 및 시간에 대한 수직 속도 프로파일의 점별 이산화를 따르는 수직으로 분해된 1차원 자유 표면 흐름의 수치 해에서 생성된 데이터에 모델을 적용합니다. IDEA는 데이터셋의 내재 차원을 성공적으로 추정한 후 네트워크에서 식별된 투영 공간 내에서 직접 작업하여 원래 솔루션을 재구성합니다.
