Machine learningMachine learning
ロバストオートエンコーダー異常検知
ロバストオートエンコーダー異常検知は、標準的なオートエンコーダーフレームワークに、スパース分解、ロバスト損失関数、または敵対的正則化などのロバスト化メカニズムを組み込むことで拡張したものであり、モデルが正常な挙動のコンパクトな表現を学習しつつ、訓練データに埋め込まれた異常の影響に対して耐性を持つようにします。
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
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Robust Autoencoder-Based Anomaly Detection. ScholarGate. https://scholargate.app/ja/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.
- 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
- 堅牢なアイソレーションフォレスト機械学習↔ compare
- ロバストOne-Class SVM機械学習↔ compare