अर्ध-पर्यवेक्षित ऑटोएन्कोडर विसंगति का पता लगाना
अर्ध-पर्यवेक्षित ऑटोएन्कोडर विसंगति का पता लगाना मुख्य रूप से सामान्य (अलेबल) डेटा पर एक तंत्रिका ऑटोएन्कोडर को प्रशिक्षित करता है, फिर निर्णय सीमाओं को परिष्कृत करने के लिए लेबल किए गए विसंगतियों के एक छोटे सेट का उपयोग करता है, उच्च पुनर्निर्माण त्रुटि वाले नमूनों के रूप में विसंगतियों का पता लगाता है। यह पूरी तरह से अनपर्यवेक्षित ऑटोएन्कोडर और पूरी तरह से पर्यवेक्षित क्लासिफायर के बीच के अंतर को पाटता है जब लेबल दुर्लभ होते हैं लेकिन कुछ ज्ञात विसंगतियां मौजूद होती हैं।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Semi-supervised Autoencoder-based Anomaly Detection. ScholarGate. https://scholargate.app/hi/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.
- ऑटोएन्कोडर विसंगति का पता लगानामशीन अधिगम↔ compare
- आइसोलेशन फ़ॉरेस्टमशीन अधिगम↔ compare
- वन-क्लास एसवीएममशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित शिक्षणमशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित एक-वर्ग SVMमशीन अधिगम↔ compare