Detekcija anomalija pomoću autoenkodera
Detekcija anomalija pomoću autoenkodera trenira neuronsku mrežu da komprimira, a zatim rekonstruira normalne podatke. Budući da je model naučio samo kako izgledaju normalni podaci, nenormalni ulazi proizvode primjetno više grešaka rekonstrukcije – a te greške postaju rezultat anomalije. Metoda ne zahtijeva označene anomalije i prirodno se skalira na visokodimenzionalne podatke kao što su tokovi senzora, slike i zapisnici.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+13 more
Izvori
- Chalapathy, R. & Chawla, S. (2019). Deep learning for anomaly detection: A survey. arXiv preprint arXiv:1901.03407. link ↗
- Hinton, G. E. & Salakhutdinov, R. R. (2006). Reducing the dimensionality of data with neural networks. Science, 313(5786), 504–507. DOI: 10.1126/science.1127647 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Autoencoder-Based Anomaly Detection (Reconstruction-Error Method). ScholarGate. https://scholargate.app/hr/machine-learning/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.
- Izolacijska šumaStrojno učenje↔ compare
- Jednoklasni SVMStrojno učenje↔ compare
- Varijacijski autoenkoderDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →