Ανίχνευση Ανωμαλιών με Ημι-επιβλεπόμενο Αυτοκωδικοποιητή
Η μέθοδος Ανίχνευσης Ανωμαλιών με Ημι-επιβλεπόμενο Αυτοκωδικοποιητή εκπαιδεύει έναν νευρωνικό αυτοκωδικοποιητή κυρίως σε κανονικά (μη επισημασμένα) δεδομένα, στη συνέχεια χρησιμοποιεί ένα μικρό σύνολο επισημασμένων ανωμαλιών για να βελτιώσει τα όρια απόφασης, ανιχνεύοντας ανωμαλίες ως δείγματα με υψηλό σφάλμα ανακατασκευής. Γεφυρώνει το χάσμα μεταξύ αμιγώς μη επιβλεπόμενων αυτοκωδικοποιητών και πλήρως επιβλεπόμενων ταξινομητών όταν οι επισημάνσεις είναι λιγοστές, αλλά υπάρχουν κάποιες γνωστές ανωμαλίες.
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.
Πηγές
- Ruff, L., Vandermeulen, R. A., Franks, B. J., Müller, K.-R., & Kloft, M. (2020). Deep Semi-Supervised Anomaly Detection. In International Conference on Learning Representations (ICLR 2020). link ↗
- Zong, B., Song, Q., Min, M. R., Cheng, W., Lumezanu, C., Cho, D., & Chen, H. (2018). Deep Autoencoding Gaussian Mixture Model for Unsupervised Anomaly Detection. In International Conference on Learning Representations (ICLR 2018). link ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Semi-supervised Autoencoder-based Anomaly Detection. ScholarGate. https://scholargate.app/el/machine-learning/semi-supervised-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.
- Ανίχνευση ανωμαλιών με ΑυτοκωδικοποιητήΜηχανική Μάθηση↔ compare
- Isolation ForestΜηχανική Μάθηση↔ compare
- One-Class SVMΜηχανική Μάθηση↔ compare
- Ημι-επιβλεπόμενη ΜάθησηΜηχανική Μάθηση↔ compare
- Ημι-επιβλεπόμενο SVM Μοναδικής ΚλάσηςΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →