Machine learningMachine learning

Обясним автоенкодер за детекция на аномалии

Обяснимият автоенкодер за детекция на аномалии допълва стандартен автоенкодер за детекция на аномалии със слой за интерпретируемост — като SHAP стойности или разлагане на грешката при реконструкция по признаци — който идентифицира кои входни признаци са обусловили аномалния флаг за всяко наблюдение, превръщайки непрозрачен резултат от грешката при реконструкция в приложимо, разбираемо за човека обяснение.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

Източници

  1. Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30. link
  2. Chalapathy, R., & Chawla, S. (2019). Deep learning for anomaly detection: A survey. arXiv preprint arXiv:1901.03407. link

Как да цитирате тази страница

ScholarGate. (2026, June 3). Explainable Autoencoder-Based Anomaly Detection (XAI-augmented Reconstruction Error). ScholarGate. https://scholargate.app/bg/machine-learning/explainable-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.

Compare side by side
ScholarGateExplainable Autoencoder Anomaly Detection (Explainable Autoencoder-Based Anomaly Detection (XAI-augmented Reconstruction Error)). Извлечено на 2026-06-15 от https://scholargate.app/bg/machine-learning/explainable-autoencoder-anomaly-detection · Набор от данни: https://doi.org/10.5281/zenodo.20539026