Robusni autoenkoder za detekciju anomalija
Robusni autoenkoder za detekciju anomalija proširuje standardni okvir autoenkodera mehanizmima robusnosti — kao što su razlaganje na retke (sparse decomposition), robusne funkcije gubitka (loss functions) ili adverzarijalna regularizacija — tako da model uči kompaktnu reprezentaciju normalnog ponašanja, ostajući istovremeno otporan na koruptivni uticaj anomalija ugrađenih u podatke za obuku.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Robust Autoencoder-Based Anomaly Detection. ScholarGate. https://scholargate.app/sr/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.
- Autoenkoderska detekcija anomalijaMašinsko učenje↔ compare
- Isolation ForestMašinsko učenje↔ compare
- Jednoklasni SVMMašinsko učenje↔ compare
- Робусни изолациони шумаMašinsko učenje↔ compare
- Robusni jednoklasni SVMMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →