Online Autoencoder Anomaly Detection
Online Autoencoder Anomaly Detection trains an autoencoder incrementally on a continuous data stream, flagging observations whose reconstruction error exceeds an adaptive threshold as anomalies. This approach combines the representational power of deep autoencoders with the incremental update capability of online learning, making it suitable for real-time or high-volume streaming scenarios where batch retraining is impractical.
Rekod sumber
Petikan disalin secara verbatim daripada rekod sumber kaedah. Tiada pengesahan peringkat tuntutan disimpulkan daripadanya.
- An, J. & Cho, S. (2015). Variational Autoencoder based Anomaly Detection using Reconstruction Probability. SNU Data Mining Center, 2015-2. · URL
- Zenati, H., Foo, C. S., Lecouat, B., Manek, G. & Chandrasekhar, V. R. (2018). Efficient GAN-Based Anomaly Detection. ICLR 2018 Workshop. · URL
Tuntutan yang dikurasi
Tuntutan disimpan dalam lejar bukti, setiap satu dengan penilaiannya sendiri.
Pandangan ini tidak mencipta penilaian tuntutan apabila lejar tiada.
Kaedah berkaitan
Dijana daripada graf kaedah dan ditunjukkan sebagai perhubungan yang dicadangkan mesin — tiada tuntutan bukti disimpulkan.