Bayesian Autoencoder Anomaly Detection
Bayesian Autoencoder Anomaly Detection uses a Variational Autoencoder — a probabilistic generative model trained on normal data — to flag anomalies by their high reconstruction error or low likelihood under the learned distribution. By treating the latent space as a probability distribution rather than a fixed point, it delivers principled uncertainty estimates alongside each anomaly score, making it especially valuable in high-stakes detection tasks.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
- Kingma, D. P. & Welling, M. (2014). Auto-Encoding Variational Bayes. Proceedings of the 2nd International Conference on Learning Representations (ICLR 2014). · URL
- An, J. & Cho, S. (2015). Variational Autoencoder based Anomaly Detection using Reconstruction Probability. ICDM Workshop on Data Mining in Networks. · URL
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.