Machine learningMachine learning
강건한 오토인코더 이상 탐지
강건한 오토인코더 이상 탐지는 표준 오토인코더 프레임워크에 희소 분해, 강건한 손실 함수, 적대적 정규화와 같은 강건성 메커니즘을 확장하여, 모델이 정상 행동의 압축된 표현을 학습하는 동시에 훈련 데이터에 포함된 이상치의 오염 영향에 저항하도록 합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Robust Autoencoder-Based Anomaly Detection. ScholarGate. https://scholargate.app/ko/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.
- 오토인코더 이상 탐지머신러닝↔ compare
- Isolation Forest머신러닝↔ compare
- One-Class SVM머신러닝↔ compare
- 강건한 Isolation Forest머신러닝↔ compare
- 강건 단일 클래스 SVM머신러닝↔ compare