تشخیص ناهنجاری با اِنسمبل خودرمزگذار (Ensemble Autoencoder)
تشخیص ناهنجاری با اِنسمبل خودرمزگذار، چندین شبکه عصبی خودرمزگذار را بر روی دادههای کلاس نرمال آموزش میدهد و خطاهای بازسازی آنها را تجمیع میکند تا یک امتیاز ناهنجاری قوی تولید کند. با ترکیب خودرمزگذارهای متنوع به جای اتکا به یک مورد، این روش رتبهبندی دادههای پرت را تثبیت کرده و حساسیت به مقداردهی اولیه تصادفی یا انتخاب معماری نامناسب را کاهش میدهد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Chen, J., Sathe, S., Aggarwal, C., & Turaga, D. (2017). Outlier Detection with Autoencoder Ensembles. In Proceedings of the 2017 SIAM International Conference on Data Mining (SDM), pp. 90–98. SIAM. link ↗
- Aggarwal, C. C. (2017). Outlier Analysis (2nd ed., Ch. 3 & 9). Springer. ISBN: 978-3-319-47578-3
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Ensemble Autoencoder Anomaly Detection (Multiple Autoencoder Aggregation for Outlier Scoring). ScholarGate. https://scholargate.app/fa/machine-learning/ensemble-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.
- تشخیص ناهنجاری با خودرمزگذاریادگیری ماشین↔ compare
- جنگل ایزوله (Isolation Forest)یادگیری ماشین↔ compare
- ماشین بردار پشتیبان تک کلاسهیادگیری ماشین↔ compare
- آشکارسازی ناهنجاری با خودرمزگذار نیمهنظارتشدهیادگیری ماشین↔ compare
- مجموعه رأیگیرییادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →