ScholarGate
Asistent
Machine learningMachine learning

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.

Otvorite u MethodMindUskoroVideoUskoroDownload slides

Pročitajte cijelu metodu

Samo za članove

Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.

Prijavite se

Method map

The neighbourhood of related methods — select a node to explore.

+13 more

Izvori

  1. Chalapathy, R. & Chawla, S. (2019). Deep learning for anomaly detection: A survey. arXiv preprint arXiv:1901.03407. link
  2. 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.

Compare side by side

Citirana u

ScholarGateAutoencoder Anomaly Detection (Autoencoder-Based Anomaly Detection (Reconstruction-Error Method)). Preuzeto 2026-06-15 s https://scholargate.app/hr/machine-learning/autoencoder-anomaly-detection · Skup podataka: https://doi.org/10.5281/zenodo.20539026