Автоэнкодер для обнаружения аномалий
Автоэнкодер для обнаружения аномалий обучает нейронную сеть сжимать, а затем реконструировать нормальные данные. Поскольку модель научилась только тому, как выглядят нормальные данные, аномальные входные данные приводят к заметно более высоким ошибкам реконструкции — и эти ошибки становятся оценкой аномальности. Метод не требует размеченных аномалий и естественно масштабируется до данных высокой размерности, таких как потоки датчиков, изображения и журналы.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+13 more
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Autoencoder-Based Anomaly Detection (Reconstruction-Error Method). ScholarGate. https://scholargate.app/ru/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 ForestМашинное обучение↔ compare
- Одноклассовая SVMМашинное обучение↔ compare
- Вариационный автокодировщикГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →