ScholarGate
Assistent
Machine learningMachine learning

Online Autoencoder Anomaly Detection

Online Autoencoder Anomaly Detection trenerer en autoenkoder inkrementelt på en kontinuerlig datastrøm, og flagger observasjoner hvis rekonstruksjonsfeil overskrider en adaptiv terskel som anomalier. Denne tilnærmingen kombinerer den representasjonelle kraften til dype autoenkodere med den inkrementelle oppdateringsevnen til online læring, noe som gjør den egnet for sanntids- eller strømningsscenarioer med høyt volum der batch-retrening er upraktisk.

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. An, J. & Cho, S. (2015). Variational Autoencoder based Anomaly Detection using Reconstruction Probability. SNU Data Mining Center, 2015-2. link
  2. Zenati, H., Foo, C. S., Lecouat, B., Manek, G. & Chandrasekhar, V. R. (2018). Efficient GAN-Based Anomaly Detection. ICLR 2018 Workshop. link

Slik siterer du denne siden

ScholarGate. (2026, June 3). Online Autoencoder Anomaly Detection (Incremental Autoencoder for Streaming Anomaly Detection). ScholarGate. https://scholargate.app/no/machine-learning/online-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
ScholarGateOnline Autoencoder Anomaly Detection (Online Autoencoder Anomaly Detection (Incremental Autoencoder for Streaming Anomaly Detection)). Hentet 2026-06-15 fra https://scholargate.app/no/machine-learning/online-autoencoder-anomaly-detection · Datasett: https://doi.org/10.5281/zenodo.20539026