Robustná detekcia anomálií pomocou autoenkódra
Robustná detekcia anomálií pomocou autoenkódra rozširuje štandardný rámec autoenkódra o mechanizmy robustnosti — ako je riedka dekompozícia, robustné strátové funkcie alebo adverzárna regularizácia — aby sa model naučil kompaktnú reprezentáciu normálneho správania a zároveň zostal odolný voči vplyvu anomálií vnesených do tréningových dát.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Zhou, C., & Paffenroth, R. C. (2017). Anomaly detection with robust deep autoencoders. In Proceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 665–674). ACM. DOI: 10.1145/3097983.3098052 ↗
- Chalapathy, R., & Chawla, S. (2019). Deep learning for anomaly detection: A survey. arXiv preprint arXiv:1901.03407. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Robust Autoencoder-Based Anomaly Detection. ScholarGate. https://scholargate.app/sk/machine-learning/robust-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.
- Detekcia anomálií pomocou autoenkóderovStrojové učenie↔ compare
- Isolation ForestStrojové učenie↔ compare
- Jednotriedny SVMStrojové učenie↔ compare
- Robustný izolačný les (Robust Isolation Forest)Strojové učenie↔ compare
- Robust One-Class SVMStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →