Machine learningMachine learning
준지도 오토인코더 이상 탐지
준지도 오토인코더 이상 탐지(Semi-supervised Autoencoder Anomaly Detection)는 주로 정상(레이블 없는) 데이터에 대해 신경망 오토인코더를 학습시킨 후, 소량의 레이블이 지정된 이상 데이터를 사용하여 결정 경계를 미세 조정함으로써 재구성 오류가 높은 샘플을 이상으로 탐지합니다. 이는 레이블이 부족하지만 일부 알려진 이상이 존재하는 경우, 순전히 비지도 오토인코더와 완전 지도 분류기 사이의 간극을 메웁니다.
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
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Semi-supervised Autoencoder-based Anomaly Detection. ScholarGate. https://scholargate.app/ko/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.
- 오토인코더 이상 탐지머신러닝↔ compare
- Isolation Forest머신러닝↔ compare
- One-Class SVM머신러닝↔ compare
- 준지도 학습머신러닝↔ compare
- 준지도 학습 단일 클래스 SVM (Semi-supervised One-class SVM)머신러닝↔ compare