SVM univariante autorregresivo
El SVM univariante autorregresivo combina el aprendizaje de representaciones basado en tareas pretexto con SVM univariante para detectar anomalías y novedades sin requerir ejemplos de anomalías etiquetados. El modelo primero aprende incrustaciones de características expresivas solo a partir de datos normales, luego ajusta un límite de OC-SVM en el espacio de características aprendido para marcar muestras fuera de distribución.
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
- Golan, I. & El-Yaniv, R. (2018). Deep One-Class Classification. Proceedings of the 35th International Conference on Machine Learning (ICML), PMLR 80, 1747–1756. link ↗
- Ruff, L., Vandermeulen, R., Goernitz, N., Deecke, L., Siddiqui, S. A., Binder, A., Muller, E. & Kloft, M. (2018). Deep One-Class Classification. Proceedings of the 35th International Conference on Machine Learning (ICML), PMLR 80, 4393–4402. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Self-supervised One-class Support Vector Machine. ScholarGate. https://scholargate.app/es/machine-learning/self-supervised-one-class-svm
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.
- Detección de anomalías con autoencoderAprendizaje automático↔ compare
- Proceso gaussianoAprendizaje automático↔ compare
- Isolation ForestAprendizaje automático↔ compare
- SVM de una claseAprendizaje automático↔ compare
- Aprendizaje autosupervisadoAprendizaje automático↔ compare
- SVM Uniclasse SemisupervisadoAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →