Machine learningMachine learning

זיהוי אנומליות באמצעות אוטואנקודר מקוון

אימון אוטואנקודר באופן מצטבר על זרם נתונים רציף, סימון תצפיות ששגיאת השחזור שלהן חורגת מסף אדפטיבי כאנומליות. גישה זו משלבת את כוח הייצוג של אוטואנקודרים עמוקים עם יכולת העדכון המצטבר של למידה מקוונת, מה שהופך אותה למתאימה לתרחישי סטרימינג בזמן אמת או בנפח גבוה שבהם אימון מחדש באצוות אינו מעשי.

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. An, J. & Cho, S. (2015). Variational Autoencoder based Anomaly Detection using Reconstruction Probability. SNU Data Mining Center, 2015-2. link
  2. Zenati, H., Foo, C. S., Lecouat, B., Manek, G. & Chandrasekhar, V. R. (2018). Efficient GAN-Based Anomaly Detection. ICLR 2018 Workshop. link

איך לצטט עמוד זה

ScholarGate. (2026, June 3). Online Autoencoder Anomaly Detection (Incremental Autoencoder for Streaming Anomaly Detection). ScholarGate. https://scholargate.app/he/machine-learning/online-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
ScholarGateOnline Autoencoder Anomaly Detection (Online Autoencoder Anomaly Detection (Incremental Autoencoder for Streaming Anomaly Detection)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/machine-learning/online-autoencoder-anomaly-detection · מערך נתונים: https://doi.org/10.5281/zenodo.20539026