Machine learningMachine learning

זיהוי אנומליות באמצעות אוטואנקודר למידה עצמית

זיהוי אנומליות באמצעות אוטואנקודר למידה עצמית מאמן אוטואנקודר באמצעות משימות קדם למידה עצמית — כגון חיזוי טרנספורמציות גיאומטריות או פתרון חידות — על נתונים רגילים ללא תיוג, ואז מסמן כחריג כל קלט ששגיאת השחזור שלו או ציון משימת הקדם חורגים באופן משמעותי מהתפלגות הנורמליות שנלמדה.

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. Golan, I. & El-Yaniv, R. (2018). Deep one-class classification via geometric transformations. Advances in Neural Information Processing Systems (NeurIPS), 31. link
  2. 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

איך לצטט עמוד זה

ScholarGate. (2026, June 3). Self-supervised Autoencoder Anomaly Detection (Pretext-Task Reconstruction-Based Anomaly Detection). ScholarGate. https://scholargate.app/he/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.

Compare side by side

מאוזכר על ידי

ScholarGateSelf-supervised Autoencoder Anomaly Detection (Self-supervised Autoencoder Anomaly Detection (Pretext-Task Reconstruction-Based Anomaly Detection)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/machine-learning/self-supervised-autoencoder-anomaly-detection · מערך נתונים: https://doi.org/10.5281/zenodo.20539026