การเรียนรู้เชิงรุกร่วมกับออโตเอ็นโค้ดเดอร์สำหรับการตรวจจับความผิดปกติ
การเรียนรู้เชิงรุกร่วมกับออโตเอ็นโค้ดเดอร์สำหรับการตรวจจับความผิดปกติ (Active Learning Autoencoder Anomaly Detection) ผสมผสานการให้คะแนนข้อผิดพลาดจากการสร้างใหม่แบบไม่มีผู้สอน (unsupervised reconstruction-error scoring) ของออโตเอ็นโค้ดเดอร์เข้ากับวงรอบการสอบถามแบบเรียนรู้เชิงรุก (active learning query loop) โมเดลจะตั้งค่าสถานะอินสแตนซ์ที่มีข้อผิดพลาดสูงเป็นความผิดปกติที่อาจเกิดขึ้น โดยจะเลือกสอบถามผู้เชี่ยวชาญ (human oracle) เพื่อติดป้ายกำกับอินสแตนซ์ที่มีข้อมูลมากที่สุด และทำการฝึกอบรมซ้ำเป็นระยะๆ ซึ่งจะบรรลุผลการตรวจจับความผิดปกติที่แข็งแกร่งด้วยงบประมาณการติดป้ายกำกับเพียงเล็กน้อย
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Active Learning-Guided Autoencoder Anomaly Detection. ScholarGate. https://scholargate.app/th/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.
- Active Learning Isolation Forestการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้เชิงรุกแบบ One-class SVMการเรียนรู้ของเครื่อง↔ compare
- การตรวจจับความผิดปกติด้วยออโตเอ็นโค้ดเดอร์การเรียนรู้ของเครื่อง↔ compare
- การตรวจจับความผิดปกติด้วย Bayesian Autoencoderการเรียนรู้ของเครื่อง↔ compare
- การตรวจจับความผิดปกติด้วยเอนเซมเบิลออโตเอนโค้ดเดอร์การเรียนรู้ของเครื่อง↔ compare
- การตรวจจับความผิดปกติด้วยออโตเอ็นโค้ดเดอร์แบบกึ่งมีผู้สอนการเรียนรู้ของเครื่อง↔ compare