Robusztus autoencoderes anomáliadetektálás
A robusztus autoencoderes anomáliadetektálás a standard autoencoder keretrendszerét egészíti ki robusztus mechanizmusokkal – mint például ritka dekompozíció, robusztus veszteségfüggvények vagy adverszáriális regularizáció –, hogy a modell a normál viselkedés kompakt reprezentációját tanulja meg, miközben ellenálló marad a képzési adatokba ágyazott anomáliák zavaró hatásával szemben.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Zhou, C., & Paffenroth, R. C. (2017). Anomaly detection with robust deep autoencoders. In Proceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 665–674). ACM. DOI: 10.1145/3097983.3098052 ↗
- Chalapathy, R., & Chawla, S. (2019). Deep learning for anomaly detection: A survey. arXiv preprint arXiv:1901.03407. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Robust Autoencoder-Based Anomaly Detection. ScholarGate. https://scholargate.app/hu/machine-learning/robust-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.
- Autoencoder alapú anomáliadetektálásGépi tanulás↔ compare
- Isolation ForestGépi tanulás↔ compare
- One-Class SVMGépi tanulás↔ compare
- Robusztus Izolációs ErdőGépi tanulás↔ compare
- Robuszt Egyosztályú SVMGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →