Detección de Anomalías con Autoencoder y Aprendizaje Activo
La Detección de Anomalías con Autoencoder y Aprendizaje Activo combina la puntuación de error de reconstrucción no supervisada de un autoencoder con un bucle de consulta de aprendizaje activo. El modelo marca las instancias de alto error como anomalías candidatas, solicita selectivamente a un oráculo humano que etiquete las más informativas y reentrena iterativamente, logrando una fuerte detección de anomalías con un presupuesto de etiquetado reducido.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Pimentel, M. A. F., Clifton, D. A., Clifton, L., & Tarassenko, L. (2014). A review of novelty detection. Signal Processing, 99, 215–249. DOI: 10.1016/j.sigpro.2013.12.026 ↗
- Zhu, Y., Lukasiewicz, T. (2020). DPLAN: Discourse-level Plan-based Text Generation. Proceedings of the 28th International Conference on Computational Linguistics, 3464–3474. (See also: Guo et al. (2018). Deep Active Learning for Anomaly Detection. Neurocomputing, 290, 135–143.) link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Active Learning-Guided Autoencoder Anomaly Detection. ScholarGate. https://scholargate.app/es/machine-learning/active-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.
- Bosque de Aislamiento con Aprendizaje ActivoAprendizaje automático↔ compare
- Active Learning One-class SVMAprendizaje automático↔ compare
- Detección de anomalías con autoencoderAprendizaje automático↔ compare
- Detección de Anomalías mediante Autoencoder BayesianoAprendizaje automático↔ compare
- Detección de Anomalías con Autoencoders EnsembleAprendizaje automático↔ compare
- Detección de anomalías con autoencoder semi-supervisadoAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →