Autoenkoder-anomalideteksjon
Autoenkoder-anomalideteksjon trener et nevralt nettverk til å komprimere og deretter rekonstruere normale data. Siden modellen kun har lært hvordan normal data ser ut, vil unormale input gi merkbart høyere rekonstruksjonsfeil – og disse feilene blir anomaliskåren. Metoden krever ingen merkede anomalier og skalerer naturlig til høydimensjonale data som sensordata, bilder og loggoppføringer.
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.
+13 more
Kilder
- Chalapathy, R. & Chawla, S. (2019). Deep learning for anomaly detection: A survey. arXiv preprint arXiv:1901.03407. link ↗
- Hinton, G. E. & Salakhutdinov, R. R. (2006). Reducing the dimensionality of data with neural networks. Science, 313(5786), 504–507. DOI: 10.1126/science.1127647 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Autoencoder-Based Anomaly Detection (Reconstruction-Error Method). ScholarGate. https://scholargate.app/no/machine-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.
- Isolation ForestMaskinlæring↔ compare
- One-Class SVMMaskinlæring↔ compare
- VariasjonsautoenkoderDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →