Detecció d'anomalies amb autoencoders
La detecció d'anomalies amb autoencoders entrena una xarxa neuronal per comprimir i després reconstruir dades normals. Com que el model només ha après com són les dades normals, les entrades anòmales produeixen errors de reconstrucció notablement més alts, i aquests errors esdevenen la puntuació d'anomalia. El mètode no requereix anomalies etiquetades i s'adapta de manera natural a dades d'alta dimensionalitat com ara fluxos de sensors, imatges i registres.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
+13 more
Fonts
- Chalapathy, R. & Chawla, S. (2019). Deep learning for anomaly detection: A survey. arXiv preprint arXiv:1901.03407. link ↗
- Hinton, G. E. & Salakhutdinov, R. R. (2006). Reducing the dimensionality of data with neural networks. Science, 313(5786), 504–507. DOI: 10.1126/science.1127647 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Autoencoder-Based Anomaly Detection (Reconstruction-Error Method). ScholarGate. https://scholargate.app/ca/machine-learning/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.
- Isolation ForestAprenentatge automàtic↔ compare
- SVM d'una sola classeAprenentatge automàtic↔ compare
- Variational AutoencoderAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →