为啥基于自编码器的异常检测准确率不高，同样的数据，用机器学习的算法准确率很高，但是采用了自编码，准确率不高，做了心电图、轴承等几个项目准确率不高。说是要调整阈值，但是阈值的调整肯定在合理范围内。是自编码器就这样呢？还是结构需要改进。另外有比较好的自编码器异常检测的项目吗？
0条回答 默认 最新
- 2024-08-07 00:40光子AI的博客 异常检测：基于自编码器的方法 1. 背景介绍 异常检测是机器学习和数据挖掘领域的一个重要课题,在工业生产、金融风控、网络安全等诸多领域有着广泛的应用。异常是指数据集中与大多数数据点有显著差异的少数样本,通常...
- 2025-11-07 21:18内容概要：本文是一份面向初学者的变分自编码器（VAE）完整教程，系统讲解了VAE的理论基础与实践实现。文章从概率分布、期望、神经网络等基础知识入手，逐步引入自编码器的概念及其局限性，重点阐述VAE通过将输入...
- 2025-12-23 03:17在基于卷积神经网络的降噪自编码器中，CNN的特性被用来构建自编码器的结构。卷积层能够提取输入数据的局部特征，并通过共享权重有效地降低模型的复杂度和参数量。自编码器通常包含编码器和解码器两个部分，编码器...
- 2024-09-11 16:53一种量化自编码器(QAE)模型，用于入侵检测系统的异常检测。QAE是一个从自编码器衍生的优化模型，它结合了剪枝、聚类和整数量化技术。量化自编码器uint8 (QAE-u8)和量化自编码器float16 (QAE-f16)是QAE的两个变体，...
- 2024-05-25 23:57综上所述，这个项目提供了一个基于自动编码器的异常检测框架，特别是针对胸部X射线图像的异常检测，具有重要的医疗应用价值。通过学习和理解源代码，开发者可以进一步定制模型，提高对医学图像异常的识别能力。
- 2022-07-29 17:02Idly_style的博客 稀疏自编码器就是在编码器的基础上，于损失函数加上kl散度。这里是一个实现的代码。
- 2025-03-08 09:56CarlowZJ的博客 深度学习技术为异常检测提供了强大的工具，通过自编码器、LSTM和GAN等模型，能够自动识别数据中的异常模式。使用TensorFlow和Keras可以快速构建和训练异常检测模型，而预训练模型则可以进一步提升性能。数据预处理、...
- 2024-05-24 00:26标题中的“基于物体的自动编码器和虚拟异常事件检测”是一个深度学习领域的研究主题，它涉及到计算机视觉和机器学习的多个方面。这个项目可能旨在利用自动编码器进行特征学习，并结合物体检测技术来识别和预测虚拟...
- 2024-06-01 17:092. **基于物体中心的自动编码器**：在处理视频时，关注物体中心可以提高异常检测的准确性。这种变体的自动编码器会特别关注图像中物体的关键区域，如人的面部或车辆的位置，从而更好地捕捉异常行为。 3. **虚假异常...
- 2022-07-08 16:34总结来说，基于深度自编码器的基站异常度检测方法是利用机器学习技术解决通信网络运维挑战的一个实例，它通过学习和理解基站的正常行为模式，提高了异常检测的精度和效率，为4G和5G网络的高效运维提供了新的工具。
- 没有解决我的问题, 去提问
问题事件
系统已结题
7月29日
创建了问题
7月21日