ScholarGate
Assistent
Machine learningMachine learning

Online Autoencoder Anomaly Detection

Online Autoencoder Anomaly Detection tränar en autoencoder inkrementellt på en kontinuerlig dataström, och flaggar observationer vars rekonstruktionsfel överskrider en adaptiv tröskel som anomalier. Detta tillvägagångssätt kombinerar den representativa kraften hos djupa autoencoders med den inkrementella uppdateringsförmågan hos online-inlärning, vilket gör det lämpligt för scenarier med realtidsdata eller hög datavolym där batch-omträning är opraktisk.

Öppna i MethodMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

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

Källor

  1. An, J. & Cho, S. (2015). Variational Autoencoder based Anomaly Detection using Reconstruction Probability. SNU Data Mining Center, 2015-2. link
  2. Zenati, H., Foo, C. S., Lecouat, B., Manek, G. & Chandrasekhar, V. R. (2018). Efficient GAN-Based Anomaly Detection. ICLR 2018 Workshop. link

Så citerar du den här sidan

ScholarGate. (2026, June 3). Online Autoencoder Anomaly Detection (Incremental Autoencoder for Streaming Anomaly Detection). ScholarGate. https://scholargate.app/sv/machine-learning/online-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
ScholarGateOnline Autoencoder Anomaly Detection (Online Autoencoder Anomaly Detection (Incremental Autoencoder for Streaming Anomaly Detection)). Hämtad 2026-06-15 från https://scholargate.app/sv/machine-learning/online-autoencoder-anomaly-detection · Datamängd: https://doi.org/10.5281/zenodo.20539026