SVM One-Class auto-supervision
La SVM One-Class auto-supervision combina l'apprendimento di rappresentazioni basato su task pretesto con la SVM One-Class per rilevare anomalie e novità senza richiedere esempi anomali etichettati. Il modello apprende innanzitutto embedding di caratteristiche espressive dai soli dati normali, quindi adatta un confine OC-SVM nello spazio delle caratteristiche apprese per segnalare campioni fuori distribuzione.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Golan, I. & El-Yaniv, R. (2018). Deep One-Class Classification. Proceedings of the 35th International Conference on Machine Learning (ICML), PMLR 80, 1747–1756. link ↗
- Ruff, L., Vandermeulen, R., Goernitz, N., Deecke, L., Siddiqui, S. A., Binder, A., Muller, E. & Kloft, M. (2018). Deep One-Class Classification. Proceedings of the 35th International Conference on Machine Learning (ICML), PMLR 80, 4393–4402. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Self-supervised One-class Support Vector Machine. ScholarGate. https://scholargate.app/it/machine-learning/self-supervised-one-class-svm
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.
- Rilevamento anomalie con autoencoderApprendimento automatico↔ compare
- Processo GaussianoApprendimento automatico↔ compare
- Isolation ForestApprendimento automatico↔ compare
- One-Class SVMApprendimento automatico↔ compare
- Apprendimento AutocontrollatoApprendimento automatico↔ compare
- One-class SVM semi-supervisionatoApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →