Detecció d'anomalies amb Autoencoders Robustos
La Detecció d'anomalies amb Autoencoders Robustos estén el marc estàndard de l'autoencoder amb mecanismes de robustesa — com ara la descomposició dispersa, funcions de pèrdua robustes o regularització adversarial — de manera que el model aprengui una representació compacta del comportament normal, alhora que roman resistent a la influència corruptora d'anomalies incrustades en les dades d'entrenament.
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.
Fonts
- Zhou, C., & Paffenroth, R. C. (2017). Anomaly detection with robust deep autoencoders. In Proceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 665–674). ACM. DOI: 10.1145/3097983.3098052 ↗
- Chalapathy, R., & Chawla, S. (2019). Deep learning for anomaly detection: A survey. arXiv preprint arXiv:1901.03407. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Robust Autoencoder-Based Anomaly Detection. ScholarGate. https://scholargate.app/ca/machine-learning/robust-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.
- Detecció d'anomalies amb autoencodersAprenentatge automàtic↔ compare
- Isolation ForestAprenentatge automàtic↔ compare
- SVM d'una sola classeAprenentatge automàtic↔ compare
- Forest d'Aïllament RobustaAprenentatge automàtic↔ compare
- Robust One-Class SVMAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →