Machine learningMachine learning

זיהוי אנומליות באמצעות אוטואנקודר ניתן להסבר

זיהוי אנומליות באמצעות אוטואנקודר ניתן להסבר מרחיב זיהוי אנומליות סטנדרטי מבוסס אוטואנקודר בשכבת פרשנות — כגון ערכי SHAP או פירוק שגיאת שחזור לפי מאפיין — המזהה אילו מאפייני קלט הנחו את דגל האנומליה עבור כל תצפית, והופך ציון שגיאת שחזור עמום להסבר פעיל וקריא לבני אדם.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

The neighbourhood of related methods — select a node to explore.

מקורות

  1. Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30. link
  2. Chalapathy, R., & Chawla, S. (2019). Deep learning for anomaly detection: A survey. arXiv preprint arXiv:1901.03407. link

איך לצטט עמוד זה

ScholarGate. (2026, June 3). Explainable Autoencoder-Based Anomaly Detection (XAI-augmented Reconstruction Error). ScholarGate. https://scholargate.app/he/machine-learning/explainable-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.

Compare side by side
ScholarGateExplainable Autoencoder Anomaly Detection (Explainable Autoencoder-Based Anomaly Detection (XAI-augmented Reconstruction Error)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/machine-learning/explainable-autoencoder-anomaly-detection · מערך נתונים: https://doi.org/10.5281/zenodo.20539026