Pengesanan Anomali Autoencoder Separuh Sempurna
Pengesanan Anomali Autoencoder Separuh Sempurna melatih autoencoder saraf terutamanya pada data normal (tanpa label), kemudian menggunakan sejumlah kecil anomali berlabel untuk memperhalusi sempadan keputusan, mengesan anomali sebagai sampel dengan ralat pembinaan semula yang tinggi. Ia merapatkan jurang antara autoencoder tak terselia sepenuhnya dan pengklasifikasi terselia sepenuhnya apabila label jarang ditemui tetapi terdapat beberapa anomali yang diketahui.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Semi-supervised Autoencoder-based Anomaly Detection. ScholarGate. https://scholargate.app/ms/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.
- Pengesanan Anomali AutoenkoderPembelajaran Mesin↔ compare
- Isolation ForestPembelajaran Mesin↔ compare
- SVM Kelas TunggalPembelajaran Mesin↔ compare
- Pembelajaran Separa SeliaPembelajaran Mesin↔ compare
- SVM Satu Kelas Separuh TerbimbingPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →