كشف الشذوذ باستخدام التشفير التلقائي شبه المُشرف عليه
يقوم كشف الشذوذ باستخدام التشفير التلقائي شبه المُشرف عليه بتدريب مشفّر تلقائي عصبي بشكل أساسي على بيانات طبيعية (غير مُصنفة)، ثم يستخدم مجموعة صغيرة من الشذوذ المُصنفة لتحسين حدود القرار، ويكشف عن الشذوذ كعينات ذات خطأ إعادة بناء مرتفع. إنه يسد الفجوة بين المشفّرات التلقائية غير المُشرفة بالكامل والمصنفات المُشرفة بالكامل عندما تكون التصنيفات نادرة ولكن توجد بعض الشذوذات المعروفة.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Ruff, L., Vandermeulen, R. A., Franks, B. J., Müller, K.-R., & Kloft, M. (2020). Deep Semi-Supervised Anomaly Detection. In International Conference on Learning Representations (ICLR 2020). link ↗
- Zong, B., Song, Q., Min, M. R., Cheng, W., Lumezanu, C., Cho, D., & Chen, H. (2018). Deep Autoencoding Gaussian Mixture Model for Unsupervised Anomaly Detection. In International Conference on Learning Representations (ICLR 2018). link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Semi-supervised Autoencoder-based Anomaly Detection. ScholarGate. https://scholargate.app/ar/machine-learning/semi-supervised-autoencoder-anomaly-detection
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- اكتشاف الشذوذ باستخدام التشفير التلقائيتعلم الآلة↔ compare
- غابة العزلتعلم الآلة↔ compare
- آلة المتجهات الداعمة أحادية الفئةتعلم الآلة↔ compare
- التعلم شبه المُشرفتعلم الآلة↔ compare
- آلة المتجهات الداعمة أحادية الفئة شبه المُشرف عليهاتعلم الآلة↔ compare