Autoenkooderiga anomaaliate tuvastamine
Autoenkooderiga anomaaliate tuvastamine treenib närvivõrku normaalsete andmete kokkusurumiseks ja seejärel rekonstrueerimiseks. Kuna mudel on õppinud ainult seda, milline näeb välja normaalne, tekitavad anomaalsed sisendid märgatavalt suuremaid rekonstrueerimisvigu – ja need vead muutuvad anomaalsuse skooriks. Meetod ei vaja sildistatud anomaaliaid ja skaleerub loomulikult kõrgedimensioonilistele andmetele, nagu andurivoogudele, piltidele ja logikirjetele.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+13 more
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Autoencoder-Based Anomaly Detection (Reconstruction-Error Method). ScholarGate. https://scholargate.app/et/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 ForestMasinõpe↔ compare
- Üheklassi SVMMasinõpe↔ compare
- Variational AutoencoderSüvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →