オートエンコーダ モデルタイプ
このモデルタイプの異常検出は、オートエンコーダ構造を持つニューラルネットワークをベースにしています。特に、オートエンコーダ層の1つは、ネットワーク入力の次元数よりも少ないニューロンしか持ちません。この層は「ボトルネック」と呼ばれ、ネットワークが低次元の埋め込みを学習することを強制します。ASCMO-DYNAMICでは、リカレントニューラルネットワーク層をオートエンコーダに使用することができます。RNNで利用可能なすべてのリカレントネットワークセルは、オートエンコーダでも利用可能です：
リカレントニューラルネットワークセルを使用すると、オートエンコーダはデータの時間的ダイナミクスと時間的依存性を学習することができます。さらにASCMO-DYNAMICでは、層タイプとして「完全連結層」（別名：「密層」、「線形層」）を使用することができます。リカレントセル型に基づくオートエンコーダと比較すると、密な層に基づくオートエンコーダは、データの時間的ダイナミクスを考慮することができません。利点としては、パラメータが少なく、トレーニングプロセスが通常より高速であることです。
非線形活性化関数と任意の数の層を積み重ねることができるため、オートエンコーダは非線形性の高いデータも扱うことができます。欠点は、ニューラルネットワークに基づく異常検出モデルのトレーニングは、PCAに基づく異常検知モデルのトレーニングよりもはるかに時間がかかることです。