Ανίχνευση ανωμαλιών με Αυτοκωδικοποιητή
Η ανίχνευση ανωμαλιών με αυτοκωδικοποιητή εκπαιδεύει ένα νευρωνικό δίκτυο για να συμπιέσει και στη συνέχεια να ανακατασκευάσει κανονικά δεδομένα. Επειδή το μοντέλο έχει μάθει μόνο πώς φαίνονται τα κανονικά δεδομένα, οι ανώμαλες είσοδοι παράγουν αισθητά υψηλότερα σφάλματα ανακατασκευής — και αυτά τα σφάλματα γίνονται η βαθμολογία ανωμαλίας. Η μέθοδος δεν απαιτεί επισημασμένες ανωμαλίες και κλιμακώνεται φυσικά σε δεδομένα υψηλής διάστασης, όπως ροές αισθητήρων, εικόνες και αρχεία καταγραφής.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
+13 more
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Autoencoder-Based Anomaly Detection (Reconstruction-Error Method). ScholarGate. https://scholargate.app/el/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 ForestΜηχανική Μάθηση↔ compare
- One-Class SVMΜηχανική Μάθηση↔ compare
- Variational AutoencoderΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →