Виявлення аномалій за допомогою автокодувальника з активним навчанням
Виявлення аномалій за допомогою автокодувальника з активним навчанням поєднує оцінку помилки реконструкції без нагляду автокодувальника з циклом запитів активного навчання. Модель позначає екземпляри з високою помилкою як потенційні аномалії, вибірково просить людського оракула позначити найбільш інформативні з них і ітеративно перенавчається, досягаючи ефективного виявлення аномалій за невеликого бюджету маркування.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Active Learning-Guided Autoencoder Anomaly Detection. ScholarGate. https://scholargate.app/uk/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 ForestМашинне навчання↔ compare
- Активне навчання з One-class SVMМашинне навчання↔ compare
- Автокодувальник для виявлення аномалійМашинне навчання↔ compare
- Байєсівський автокодувальник для виявлення аномалійМашинне навчання↔ compare
- Виявлення аномалій за допомогою ансамблю автокодувальниківМашинне навчання↔ compare
- Виявлення аномалій за допомогою напівавтокедераМашинне навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →