Aktiv inlärning med autoenkoder för avvikelsedetektering
Aktiv inlärning med autoenkoder för avvikelsedetektering kombinerar en autoenkoders oövervakade poängsättning baserad på rekonstruktionsfel med en aktiv inlärningsfrågeslinga. Modellen flaggar instanser med högt fel som kandidatavvikelser, ber selektivt en mänsklig orakel att märka de mest informativa, och omskolas iterativt – vilket uppnår stark avvikelsedetektering med endast en liten märkningsbudget.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Pimentel, M. A. F., Clifton, D. A., Clifton, L., & Tarassenko, L. (2014). A review of novelty detection. Signal Processing, 99, 215–249. DOI: 10.1016/j.sigpro.2013.12.026 ↗
- Zhu, Y., Lukasiewicz, T. (2020). DPLAN: Discourse-level Plan-based Text Generation. Proceedings of the 28th International Conference on Computational Linguistics, 3464–3474. (See also: Guo et al. (2018). Deep Active Learning for Anomaly Detection. Neurocomputing, 290, 135–143.) link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Active Learning-Guided Autoencoder Anomaly Detection. ScholarGate. https://scholargate.app/sv/machine-learning/active-learning-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.
- Aktiv inlärning med Isolation ForestMaskininlärning↔ compare
- Aktiv inlärning med enklass-SVMMaskininlärning↔ compare
- Autoencoder AnomalidetekteringMaskininlärning↔ compare
- Bayesiansk autoenkoder-anomalidetekteringMaskininlärning↔ compare
- Ensemble Autoencoder Anomaly DetectionMaskininlärning↔ compare
- Semihandled autoencoder för avvikelsedetekteringMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →