تشخیص ناهنجاری با خودرمزگذار
تشخیص ناهنجاری با خودرمزگذار، یک شبکه عصبی را برای فشردهسازی و سپس بازسازی دادههای عادی آموزش میدهد. از آنجایی که مدل فقط آنچه را که عادی به نظر میرسد آموخته است، ورودیهای ناهنجار خطاهای بازسازی قابل توجهی بالاتری تولید میکنند - و آن خطاها به امتیاز ناهنجاری تبدیل میشوند. این روش نیازی به ناهنجاریهای برچسبدار ندارد و به طور طبیعی با دادههای با ابعاد بالا مانند جریانهای حسگر، تصاویر و سوابق گزارش سازگار میشود.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+13 more
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Autoencoder-Based Anomaly Detection (Reconstruction-Error Method). ScholarGate. https://scholargate.app/fa/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.
- جنگل ایزوله (Isolation Forest)یادگیری ماشین↔ compare
- ماشین بردار پشتیبان تک کلاسهیادگیری ماشین↔ compare
- Variational Autoencoderیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →