Phát hiện bất thường bằng Autoencoder Học chủ động
Phát hiện bất thường bằng Autoencoder Học chủ động kết hợp việc chấm điểm lỗi tái tạo không giám sát của autoencoder với một vòng lặp truy vấn học chủ động. Mô hình đánh dấu các mẫu có lỗi cao là các bất thường ứng viên, chọn lọc yêu cầu một người cung cấp tri thức (oracle) gán nhãn các mẫu mang tính thông tin nhất, và huấn luyện lại lặp đi lặp lại — đạt được khả năng phát hiện bất thường mạnh mẽ chỉ với một ngân sách gán nhãn nhỏ.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Active Learning-Guided Autoencoder Anomaly Detection. ScholarGate. https://scholargate.app/vi/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.
- Isolation Forest Học Tập Chủ ĐộngHọc máy↔ compare
- Active Learning One-class SVMHọc máy↔ compare
- Phát hiện bất thường bằng AutoencoderHọc máy↔ compare
- Phát hiện bất thường bằng Bộ Tự Mã hóa BayesHọc máy↔ compare
- Phát hiện bất thường bằng Hồi quy Tự động Tổ hợpHọc máy↔ compare
- Phát hiện bất thường bằng Autoencoder Bán Giám sátHọc máy↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →