ScholarGate
Asistent
Machine learningMachine learning

Ојaшњaвaјуће aутоенкодерско откривање аномалија

Ојaшњaвaјуће aутоенкодерско откривање аномалија допуњује стандардни аутоенкодерски детектор аномалија слојем за интерпретабилност — као што су SHAP вредности или декомпозиција грешке реконструкције по карактеристикама — који идентификује које су улазне карактеристике покренуле ознаку аномалије за сваку опсервацију, претварајући непровидни резултат грешке реконструкције у акциону, човеку разумљиву објашњење.

Otvorite u MethodMindUskoroVideoUskoroDownload slides

Pročitajte celu metodu

Samo za članove

Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.

Prijavite se

Method map

The neighbourhood of related methods — select a node to explore.

Izvori

  1. Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30. link
  2. Chalapathy, R., & Chawla, S. (2019). Deep learning for anomaly detection: A survey. arXiv preprint arXiv:1901.03407. link

Kako citirati ovu stranicu

ScholarGate. (2026, June 3). Explainable Autoencoder-Based Anomaly Detection (XAI-augmented Reconstruction Error). ScholarGate. https://scholargate.app/sr/machine-learning/explainable-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.

Compare side by side
ScholarGateExplainable Autoencoder Anomaly Detection (Explainable Autoencoder-Based Anomaly Detection (XAI-augmented Reconstruction Error)). Preuzeto 2026-06-15 sa https://scholargate.app/sr/machine-learning/explainable-autoencoder-anomaly-detection · Skup podataka: https://doi.org/10.5281/zenodo.20539026