Rilevamento di anomalie con autoencoder e apprendimento attivo

L'apprendimento attivo con autoencoder combina il punteggio dell'errore di ricostruzione non supervisionato di un autoencoder con un ciclo di interrogazione di apprendimento attivo. Il modello contrassegna le istanze con errore elevato come potenziali anomalie, chiede selettivamente a un oracolo umano di etichettare quelle più informative e riaddestra iterativamente, ottenendo un forte rilevamento di anomalie con un budget di etichettatura limitato.