Bayesiansk Autoencoder Anomalidetektion
Bayesiansk Autoencoder Anomalidetektion anvender en Variational Autoencoder — en probabilistisk generativ model trænet på normale data — til at markere anomalier via deres høje rekonstruktionsfejl eller lave sandsynlighed under den lærte fordeling. Ved at behandle det latente rum som en sandsynlighedsfordeling snarere end et fast punkt, leverer den principielle usikkerhedsskøn sammen med hver anomalisk score, hvilket gør den særligt værdifuld i opgaver med høj indsats.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Bayesian Autoencoder Anomaly Detection (Probabilistic Reconstruction-Error Framework). ScholarGate. https://scholargate.app/da/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.
- Autoencoder AnomalidetektionMaskinlæring↔ compare
- Bayesiansk Gaussisk Blanding (Bayesian Gaussian Mixture Model)Maskinlæring↔ compare
- Isolation ForestMaskinlæring↔ compare
- One-Class SVMMaskinlæring↔ compare
- Semi-overvåget Autoencoder AnomalidetektionMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →