تشخیص ناهنجاری با خودرمزگذار خودنظارتی
تشخیص ناهنجاری با خودرمزگذار خودنظارتی، یک خودرمزگذار را با استفاده از وظایف پیشمتن خودنظارتی - مانند پیشبینی تبدیلات هندسی یا حل پازلهای جورچین - بر روی دادههای عادی بدون برچسب آموزش میدهد، سپس هر ورودی را که خطای بازسازی یا امتیاز وظیفه پیشمتن آن به طور قابل توجهی از توزیع عادی آموخته شده منحرف میشود، به عنوان ناهنجار پرچمگذاری میکند.
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
- Golan, I. & El-Yaniv, R. (2018). Deep one-class classification via geometric transformations. Advances in Neural Information Processing Systems (NeurIPS), 31. link ↗
- Ruff, L., Kauffmann, J. R., Vandermeulen, R. A., Montavon, G., Samek, W., Kloft, M., Dietterich, T. G., & Müller, K.-R. (2021). A unifying review of deep and shallow anomaly detection. Proceedings of the IEEE, 109(5), 756–795. DOI: 10.1109/JPROC.2021.3052449 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Self-supervised Autoencoder Anomaly Detection (Pretext-Task Reconstruction-Based Anomaly Detection). ScholarGate. https://scholargate.app/fa/machine-learning/self-supervised-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
- یادگیری خودنظارتییادگیری ماشین↔ compare
- آشکارسازی ناهنجاری با خودرمزگذار نیمهنظارتشدهیادگیری ماشین↔ compare
- Variational Autoencoderیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →