Detecția anomaliilor prin autoencoder cu învățare activă
Detecția anomaliilor prin autoencoder cu învățare activă combină scorarea erorii de reconstrucție nesupervizată a unui autoencoder cu o buclă de interogare de învățare activă. Modelul marchează instanțele cu eroare mare ca anomalii candidate, solicită selectiv unui oracol uman să eticheteze pe cele mai informative și reantrenează iterativ — realizând o detecție puternică a anomaliilor cu un buget de etichetare mic.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Active Learning-Guided Autoencoder Anomaly Detection. ScholarGate. https://scholargate.app/ro/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.
- Isolation Forest cu Învățare ActivăÎnvățare automată↔ compare
- Învățare activă One-class SVMÎnvățare automată↔ compare
- Detecția anomaliilor cu autoencoderÎnvățare automată↔ compare
- Detecția anomaliilor cu autoencoder bayesianÎnvățare automată↔ compare
- Detecția anomaliilor prin ansambluri de autoencodereÎnvățare automată↔ compare
- Detecția anomaliilor cu autoencoder semi-supervizatÎnvățare automată↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →