Machine learningMachine learning
半教師ありオートエンコーダ異常検知
半教師ありオートエンコーダ異常検知は、主に正常な（ラベルなしの）データでニューラルオートエンコーダを訓練し、その後、少数のラベル付き異常データを使用して決定境界を洗練させ、高い再構築誤差を持つサンプルを異常として検出します。これは、ラベルが不足しているものの、既知の異常がいくつか存在する場合に、純粋な教師なしオートエンコーダと完全に教師ありの分類器との間のギャップを埋めます。
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
- Ruff, L., Vandermeulen, R. A., Franks, B. J., Müller, K.-R., & Kloft, M. (2020). Deep Semi-Supervised Anomaly Detection. In International Conference on Learning Representations (ICLR 2020). link ↗
- Zong, B., Song, Q., Min, M. R., Cheng, W., Lumezanu, C., Cho, D., & Chen, H. (2018). Deep Autoencoding Gaussian Mixture Model for Unsupervised Anomaly Detection. In International Conference on Learning Representations (ICLR 2018). link ↗
このページの引用方法
ScholarGate. (2026, June 3). Semi-supervised Autoencoder-based Anomaly Detection. ScholarGate. https://scholargate.app/ja/machine-learning/semi-supervised-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
- 半教師あり学習機械学習↔ compare
- 半教師ありワンクラスSVM機械学習↔ compare