Aktiv autoenkoder-anomalideteksjon
Aktiv autoenkoder-anomalideteksjon kombinerer autoenkoderens uovervåkede rekonstruksjonsfeil-scoring med en aktiv lærings-spørresløyfe. Modellen flagger instanser med høy feil som kandidatanomalier, ber selektivt en menneskelig orakel om å merke de mest informative, og retrenes iterativt – og oppnår sterk anomalideteksjon med et lite merke-budsjett.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Pimentel, M. A. F., Clifton, D. A., Clifton, L., & Tarassenko, L. (2014). A review of novelty detection. Signal Processing, 99, 215–249. DOI: 10.1016/j.sigpro.2013.12.026 ↗
- Zhu, Y., Lukasiewicz, T. (2020). DPLAN: Discourse-level Plan-based Text Generation. Proceedings of the 28th International Conference on Computational Linguistics, 3464–3474. (See also: Guo et al. (2018). Deep Active Learning for Anomaly Detection. Neurocomputing, 290, 135–143.) link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Active Learning-Guided Autoencoder Anomaly Detection. ScholarGate. https://scholargate.app/no/machine-learning/active-learning-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.
- Aktiv læring Isolation ForestMaskinlæring↔ compare
- Aktiv læring for One-class SVMMaskinlæring↔ compare
- Autoenkoder-anomalideteksjonMaskinlæring↔ compare
- Bayesiansk autoenkoder-anomalideteksjonMaskinlæring↔ compare
- Ensemble Autoencoder Anomaly DetectionMaskinlæring↔ compare
- Semi-overvåket autoenkoder-anomalideteksjonMaskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →