Виявлення аномалій за допомогою напівавтокедера
Напівавтокедер для виявлення аномалій тренується насамперед на нормальних (нерозмічених) даних за допомогою нейронного автокедера, а потім використовує невеликий набір розмічених аномалій для уточнення меж прийняття рішень, виявляючи аномалії як зразки з високою помилкою реконструкції. Цей метод заповнює прогалину між суто некерованими автокедерами та повністю керованими класифікаторами, коли мітки є рідкісними, але існують деякі відомі аномалії.
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
- Ruff, L., Vandermeulen, R. A., Franks, B. J., Müller, K.-R., & Kloft, M. (2020). Deep Semi-Supervised Anomaly Detection. In International Conference on Learning Representations (ICLR 2020). link ↗
- Zong, B., Song, Q., Min, M. R., Cheng, W., Lumezanu, C., Cho, D., & Chen, H. (2018). Deep Autoencoding Gaussian Mixture Model for Unsupervised Anomaly Detection. In International Conference on Learning Representations (ICLR 2018). link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Semi-supervised Autoencoder-based Anomaly Detection. ScholarGate. https://scholargate.app/uk/machine-learning/semi-supervised-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.
- Автокодувальник для виявлення аномалійМашинне навчання↔ compare
- Ізоляційний лісМашинне навчання↔ compare
- One-class SVMМашинне навчання↔ compare
- Напівкероване навчанняМашинне навчання↔ compare
- Напівавтоматична одноклітинна SVMМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →