Phát hiện bất thường bằng Autoencoder Tự giám sát
Phát hiện bất thường bằng autoencoder tự giám sát huấn luyện một autoencoder bằng các tác vụ tiền đề tự giám sát — chẳng hạn như dự đoán các phép biến đổi hình học hoặc giải câu đố ghép hình — trên dữ liệu bình thường chưa được gán nhãn, sau đó gắn cờ là bất thường bất kỳ đầu vào nào có sai số tái tạo hoặc điểm tác vụ tiền đề sai lệch đáng kể so với phân phối chuẩn đã học.
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
- Golan, I. & El-Yaniv, R. (2018). Deep one-class classification via geometric transformations. Advances in Neural Information Processing Systems (NeurIPS), 31. link ↗
- Ruff, L., Kauffmann, J. R., Vandermeulen, R. A., Montavon, G., Samek, W., Kloft, M., Dietterich, T. G., & Müller, K.-R. (2021). A unifying review of deep and shallow anomaly detection. Proceedings of the IEEE, 109(5), 756–795. DOI: 10.1109/JPROC.2021.3052449 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Self-supervised Autoencoder Anomaly Detection (Pretext-Task Reconstruction-Based Anomaly Detection). ScholarGate. https://scholargate.app/vi/machine-learning/self-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.
- Phát hiện bất thường bằng AutoencoderHọc máy↔ compare
- Isolation ForestHọc máy↔ compare
- One-Class SVMHọc máy↔ compare
- Học tăng cường tự giám sátHọc máy↔ compare
- Phát hiện bất thường bằng Autoencoder Bán Giám sátHọc máy↔ compare
- Bộ tự mã hóa biến phânHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →