Bayesovská detekce anomálií pomocí autoenkodéru
Bayesovská detekce anomálií pomocí autoenkodéru využívá variační autoenkodér – pravděpodobnostní generativní model trénovaný na normálních datech – k označení anomálií jejich vysokou chybou rekonstrukce nebo nízkou věrohodností v rámci naučené distribuce. Tím, že se latentní prostor považuje za pravděpodobnostní rozdělení namísto pevného bodu, poskytuje principielní odhady nejistoty spolu s každým skóre anomálie, což jej činí obzvláště cenným v úlohách detekce s vysokými nároky.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Kingma, D. P. & Welling, M. (2014). Auto-Encoding Variational Bayes. Proceedings of the 2nd International Conference on Learning Representations (ICLR 2014). link ↗
- An, J. & Cho, S. (2015). Variational Autoencoder based Anomaly Detection using Reconstruction Probability. ICDM Workshop on Data Mining in Networks. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian Autoencoder Anomaly Detection (Probabilistic Reconstruction-Error Framework). ScholarGate. https://scholargate.app/cs/machine-learning/bayesian-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.
- Detekce anomálií pomocí autoenkodéruStrojové učení↔ compare
- Bayesian Gaussian Mixture ModelStrojové učení↔ compare
- Isolation ForestStrojové učení↔ compare
- One-class SVMStrojové učení↔ compare
- Detekce anomálií pomocí semi-supervizovaného autoenkodéruStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →