Polosamostatná detekcia anomálií pomocou autoenkódera
Polosamostatná detekcia anomálií pomocou autoenkódera trénuje neurónový autoenkóder primárne na normálnych (neoznačených) dátach, potom používa malú sadu označených anomálií na upresnenie rozhodovacích hraníc, pričom deteguje anomálie ako vzorky s vysokou chybou rekonštrukcie. Prekonáva priepasť medzi čisto nesamostatnými autoenkódermi a plne samostatnými klasifikátormi, keď sú označenia nedostatkové, ale existujú niektoré známe anomálie.
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
- Ruff, L., Vandermeulen, R. A., Franks, B. J., Müller, K.-R., & Kloft, M. (2020). Deep Semi-Supervised Anomaly Detection. In International Conference on Learning Representations (ICLR 2020). link ↗
- Zong, B., Song, Q., Min, M. R., Cheng, W., Lumezanu, C., Cho, D., & Chen, H. (2018). Deep Autoencoding Gaussian Mixture Model for Unsupervised Anomaly Detection. In International Conference on Learning Representations (ICLR 2018). link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Semi-supervised Autoencoder-based Anomaly Detection. ScholarGate. https://scholargate.app/sk/machine-learning/semi-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
- Polosupervizované učenieStrojové učenie↔ compare
- Polosupervizovaná jednotriedová SVMStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →