การตรวจจับความผิดปกติด้วย Bayesian Autoencoder
การตรวจจับความผิดปกติด้วย Bayesian Autoencoder ใช้ Variational Autoencoder ซึ่งเป็นแบบจำลองเชิงกำเนิดเชิงความน่าจะเป็นที่ฝึกฝนด้วยข้อมูลปกติ เพื่อระบุความผิดปกติโดยอาศัยข้อผิดพลาดในการสร้างใหม่ที่สูงหรือความน่าจะเป็นต่ำภายใต้การแจกแจงที่เรียนรู้ ด้วยการพิจารณาปริภูมิแฝงเป็นการแจกแจงความน่าจะเป็นแทนที่จะเป็นจุดคงที่ ทำให้สามารถประมาณค่าความไม่แน่นอนได้อย่างมีหลักการควบคู่ไปกับคะแนนความผิดปกติแต่ละรายการ ซึ่งมีคุณค่าอย่างยิ่งในงานตรวจจับที่มีความเสี่ยงสูง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Kingma, D. P. & Welling, M. (2014). Auto-Encoding Variational Bayes. Proceedings of the 2nd International Conference on Learning Representations (ICLR 2014). link ↗
- An, J. & Cho, S. (2015). Variational Autoencoder based Anomaly Detection using Reconstruction Probability. ICDM Workshop on Data Mining in Networks. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Autoencoder Anomaly Detection (Probabilistic Reconstruction-Error Framework). ScholarGate. https://scholargate.app/th/machine-learning/bayesian-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.
- การตรวจจับความผิดปกติด้วยออโตเอ็นโค้ดเดอร์การเรียนรู้ของเครื่อง↔ compare
- แบบจำลองส่วนผสมแบบเกาส์เซียนแบบเบย์ (Bayesian Gaussian Mixture Model)การเรียนรู้ของเครื่อง↔ compare
- Isolation Forestการเรียนรู้ของเครื่อง↔ compare
- One-class SVMการเรียนรู้ของเครื่อง↔ compare
- การตรวจจับความผิดปกติด้วยออโตเอ็นโค้ดเดอร์แบบกึ่งมีผู้สอนการเรียนรู้ของเครื่อง↔ compare