זיהוי אנומליות באמצעות למידה פעילה ומקודד אוטומטי
זיהוי אנומליות באמצעות למידה פעילה ומקודד אוטומטי (Active Learning Autoencoder Anomaly Detection) משלב ניקוד שגיאות שחזור בלתי מפוקח של מקודד אוטומטי עם לולאת שאילתות של למידה פעילה. המודל מסמן מופעים בעלי שגיאה גבוהה כמועמדים לאנומליות, מבקש באופן סלקטיבי מאורקל אנושי לתייג את המידעניים ביותר, ומאמן מחדש באופן איטרטיבי – ובכך משיג זיהוי אנומליות חזק עם תקציב תיוג קטן בלבד.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Pimentel, M. A. F., Clifton, D. A., Clifton, L., & Tarassenko, L. (2014). A review of novelty detection. Signal Processing, 99, 215–249. DOI: 10.1016/j.sigpro.2013.12.026 ↗
- Zhu, Y., Lukasiewicz, T. (2020). DPLAN: Discourse-level Plan-based Text Generation. Proceedings of the 28th International Conference on Computational Linguistics, 3464–3474. (See also: Guo et al. (2018). Deep Active Learning for Anomaly Detection. Neurocomputing, 290, 135–143.) link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Active Learning-Guided Autoencoder Anomaly Detection. ScholarGate. https://scholargate.app/he/machine-learning/active-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.
- יער בידוד בלמידה פעילה (Active Learning Isolation Forest)למידת מכונה↔ compare
- One-class SVM למידה פעילהלמידת מכונה↔ compare
- זיהוי אנומליות באמצעות אוטואנקודרלמידת מכונה↔ compare
- זיהוי אנומליות באמצעות מקודד-אוטומטי בייסיאנילמידת מכונה↔ compare
- זיהוי אנומליות באמצעות אנסמבל של אוטואנקודריםלמידת מכונה↔ compare
- זיהוי אנומליות באמצעות אוטואנקודר סמי-מפוקחלמידת מכונה↔ compare