Machine learningMachine learning
アンサンブル・オートエンコーダ異常検知
アンサンブル・オートエンコーダ異常検知は、正常クラスのデータで複数のオートエンコーダニューラルネットワークを訓練し、それらの再構成誤差を集約して頑健な異常スコアを生成する手法である。単一のオートエンコーダに依存するのではなく、多様なオートエンコーダを組み合わせることで、外れ値のランキングを安定させ、ランダムな初期化や最適ではないアーキテクチャ選択への感度を低減する。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Chen, J., Sathe, S., Aggarwal, C., & Turaga, D. (2017). Outlier Detection with Autoencoder Ensembles. In Proceedings of the 2017 SIAM International Conference on Data Mining (SDM), pp. 90–98. SIAM. link ↗
- Aggarwal, C. C. (2017). Outlier Analysis (2nd ed., Ch. 3 & 9). Springer. ISBN: 978-3-319-47578-3
このページの引用方法
ScholarGate. (2026, June 3). Ensemble Autoencoder Anomaly Detection (Multiple Autoencoder Aggregation for Outlier Scoring). ScholarGate. https://scholargate.app/ja/machine-learning/ensemble-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.
- オートエンコーダ異常検知機械学習↔ compare
- アイソレーションフォレスト機械学習↔ compare
- One-Class SVM機械学習↔ compare
- 半教師ありオートエンコーダ異常検知機械学習↔ compare
- 投票アンサンブル機械学習↔ compare