我正在使用来自Deeplearning4j的股票自动编码器异常检测器。

我从我自己的自动编码器变体中得到了意想不到的结果，它在我自己的（非图像）数据中寻找异常，为了尝试调查，我在 MNIST 测试中添加了一些额外的图像，10 个白色和 10 个黑色数据，看看效果。请看下面的输出图片：

.

出乎意料的是，这些黑色图像（所有输入值均为零）的重建误差为零（“最佳”图片中的左列），尽管自动编码器仅在定型数字（没有黑色图像）上进行训练，而白色图像图像（即所有 1 个输入值）具有最高的重建误差（“最差”图像的左列）。鉴于异常检测器的普遍接受的定义，我预计全黑和全白都有很高的重建误差，因为它们都没有出现在训练集中，因此应该是异常的。

这与我自己的自动编码器变体的意外输出一致。

我怀疑自动编码器会出现这种情况是有数据科学原因的，但是有人可以解释一下，或者指出我的参考资料吗？