זיהוי אנומליות באמצעות אוטואנקודר סמי-מפוקח
זיהוי אנומליות באמצעות אוטואנקודר סמי-מפוקח מאמן רשת אוטואנקודר עצבי בעיקר על נתונים נורמליים (לא מתויגים), ואז משתמש בקבוצה קטנה של אנומליות מתויגות כדי לחדד את גבולות ההחלטה, ומזהה אנומליות כדגימות עם שגיאת שחזור גבוהה. שיטה זו מגשרת על הפער בין אוטואנקודרים בלתי מפוקחים לחלוטין לבין מסווגים מפוקחים לחלוטין כאשר התיוגים נדירים אך קיימות אנומליות ידועות.
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
- Ruff, L., Vandermeulen, R. A., Franks, B. J., Müller, K.-R., & Kloft, M. (2020). Deep Semi-Supervised Anomaly Detection. In International Conference on Learning Representations (ICLR 2020). link ↗
- Zong, B., Song, Q., Min, M. R., Cheng, W., Lumezanu, C., Cho, D., & Chen, H. (2018). Deep Autoencoding Gaussian Mixture Model for Unsupervised Anomaly Detection. In International Conference on Learning Representations (ICLR 2018). link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Semi-supervised Autoencoder-based Anomaly Detection. ScholarGate. https://scholargate.app/he/machine-learning/semi-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.
- זיהוי אנומליות באמצעות אוטואנקודרלמידת מכונה↔ compare
- יער בידודלמידת מכונה↔ compare
- מכונת וקטורים תומכים חד-מחלקתית (One-Class SVM)למידת מכונה↔ compare
- למידה מונחית-למחצהלמידת מכונה↔ compare
- One-class SVM חצי-מפוקחלמידת מכונה↔ compare