เปรียบเทียบวิธี

	Online One-Class SVM	ออโตเอ็นโค้ดเดอร์
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2006 (incremental/online variant); 1999 (base method)	2006
ผู้ริเริ่ม	Laskov, P. et al. (incremental extension); Scholkopf, B. et al. (original OC-SVM)	Hinton, G.E. & Salakhutdinov, R.R.
ประเภท	Online anomaly detection / novelty detection	Neural network (encoder-decoder)
แหล่งต้นตำรับ	Laskov, P., Gehl, C., Krueger, S., & Muller, K.-R. (2006). Incremental support vector learning: Analysis, implementation and applications. Journal of Machine Learning Research, 7, 1909–1936.	Hinton, G.E. & Salakhutdinov, R.R. (2006). Reducing the Dimensionality of Data with Neural Networks. Science, 313(5786), 504–507.
ชื่อเรียกอื่น	Online OC-SVM, Incremental One-Class SVM, Online SVDD, Sequential One-Class SVM	Otokodlayıcı (Autoencoder), otokodlayıcı, auto-encoder, encoder-decoder network
ที่เกี่ยวข้อง	4	4
สรุป	Online One-Class SVM is an incremental extension of the classical One-Class Support Vector Machine that updates its decision boundary as new data arrive one sample at a time, making it suitable for streaming environments and real-time anomaly or novelty detection without retraining from scratch.	An autoencoder is an encoder-decoder neural network, popularised by Hinton and Salakhutdinov in 2006, that compresses data into a low-dimensional latent code and then reconstructs it, enabling dimensionality reduction and anomaly detection. By learning to rebuild its own input through a narrow bottleneck, it discovers a compact representation of the data.