Detekcia anomálií pomocou samo-supervidovaného autoenkodéra
Detekcia anomálií pomocou samo-supervidovaného autoenkodéra trénuje autoenkodér s použitím samo-supervidovaných pretextových úloh — ako je predpovedanie geometrických transformácií alebo riešenie skladačiek — na neoznačených normálnych dátach, a následne označuje ako anomálny každý vstup, ktorého chyba rekonštrukcie alebo skóre pretextovej úlohy sa podstatne odchyľuje od naučenej normálnej distribúcie.
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
- Golan, I. & El-Yaniv, R. (2018). Deep one-class classification via geometric transformations. Advances in Neural Information Processing Systems (NeurIPS), 31. link ↗
- Ruff, L., Kauffmann, J. R., Vandermeulen, R. A., Montavon, G., Samek, W., Kloft, M., Dietterich, T. G., & Müller, K.-R. (2021). A unifying review of deep and shallow anomaly detection. Proceedings of the IEEE, 109(5), 756–795. DOI: 10.1109/JPROC.2021.3052449 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Self-supervised Autoencoder Anomaly Detection (Pretext-Task Reconstruction-Based Anomaly Detection). ScholarGate. https://scholargate.app/sk/machine-learning/self-supervised-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
- SamoučenieStrojové učenie↔ compare
- Polosamostatná detekcia anomálií pomocou autoenkóderaStrojové učenie↔ compare
- Variačný autoenkodérHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →