ScholarGate
Assistent
Machine learningMachine learning

Forklarende Autoenkoder Anomali-deteksjon

Forklarende Autoenkoder Anomali-deteksjon utvider en standard autoenkoder-basert anomalidetektor med et tolkningslag – som SHAP-verdier eller funksjonsvis dekomponering av rekonstruksjonsfeil – som identifiserer hvilke input-funksjoner som forårsaket anomaliflagget for hver observasjon, og omdanner en ugjennomsiktig rekonstruksjonsfeil-score til en handlingsrettet, menneskelesbar forklaring.

Åpne i MethodMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30. link
  2. Chalapathy, R., & Chawla, S. (2019). Deep learning for anomaly detection: A survey. arXiv preprint arXiv:1901.03407. link

Slik siterer du denne siden

ScholarGate. (2026, June 3). Explainable Autoencoder-Based Anomaly Detection (XAI-augmented Reconstruction Error). ScholarGate. https://scholargate.app/no/machine-learning/explainable-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.

Compare side by side
ScholarGateExplainable Autoencoder Anomaly Detection (Explainable Autoencoder-Based Anomaly Detection (XAI-augmented Reconstruction Error)). Hentet 2026-06-15 fra https://scholargate.app/no/machine-learning/explainable-autoencoder-anomaly-detection · Datasett: https://doi.org/10.5281/zenodo.20539026