Zbulimi i Anomalive me Autoenkoder Gjysmë i Mbikëqyrur
Zbulimi i Anomalive me Autoenkoder Gjysmë i Mbikëqyrur trajnon një autoenkoder neural kryesisht me të dhëna normale (të paetiketuara), më pas përdor një grup të vogël anomalisht të etiketuara për të rafinuar kufijtë e vendimit, duke zbuluar anomalitë si mostra me gabim të lartë rindërtimi. Ai kapërcen hendekun midis autoenkoderëve thjesht të pambikëqyrur dhe klasifikuesve plotësisht të mbikëqyrur kur etiketat janë të pakta, por ekzistojnë disa anomali të njohura.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Semi-supervised Autoencoder-based Anomaly Detection. ScholarGate. https://scholargate.app/sq/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.
- Zbulimi i anomalive me autoenkoderMësimi i makinës↔ compare
- Isolation ForestMësimi i makinës↔ compare
- SVM me një klasëMësimi i makinës↔ compare
- Mësimi Gjysmë i MbikëqyrurMësimi i makinës↔ compare
- SVM me një klasë gjysmë-i mbikëqyrurMësimi i makinës↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →