Глоссарий ИИ
Полный словарь искусственного интеллекта
Аномальный Автоэнкодер
Вариант автоэнкодеров, где модель обучается преимущественно на аномальных данных, позволяя эффективно реконструировать аномалии и плохо реконструировать нормальные данные.
Обнаружение Аномалий с помощью GAN
Метод, использующий Генеративно-состязательные сети (GAN), где дискриминатор учится различать нормальные данные и аномалии, или генератор неспособен создавать реалистичные аномалии.
Механизм Внимания для Аномалий
Модуль в нейронных сетях, который взвешивает важность различных частей входных данных, позволяя изолировать области или временные шаги, ответственные за аномальное поведение.
Обнаружение Аномалий с помощью LSTM
Подход с использованием рекуррентных нейронных сетей с долгой кратковременной памятью (LSTM) для моделирования временных зависимостей во временных рядах и выявления отклонений от изученного паттерна.
Трансформеры для Временных Рядов
Применение архитектуры Transformer, основанной на механизмах самовнимания, для моделирования долгосрочных отношений в последовательных данных и обнаружения скрытых аномалий.
Глубокое Обучение без Учителя
Парадигма, в котором глубокие нейронные сети изучают структуру нормальных данных без меток, используя эти знания для сигнализации о любом отклонении от нормы как об аномалии.
Глубокий Изолирующий Лес
Расширение алгоритма Изолирующего Леса (Isolation Forest), где деления пространства выполняются слоями нейронов, позволяя более сложную и эффективную изоляцию аномалий в пространствах высокой размерности.
Графовая Нейронная Сеть для Аномалий
Использование нейронных сетей на графах для обнаружения аномалий в данных, структурированных в виде сетей, путем идентификации узлов или подграфов, поведение которых отклоняется от нормы.
Эпизодическая память для аномалий
Архитектура нейронной сети, включающая модуль памяти, который хранит прототипы нормальных данных, позволяя сравнивать новые входы с этой базой знаний для обнаружения аномалий.
Предиктивное кодирование для аномалий
Модель, которая предсказывает следующий шаг времени в последовательности; большая ошибка предсказания указывает, что наблюдаемое событие было неожиданным и, следовательно, потенциально аномальным.
Контрастивное обучение для аномалий
Техника обучения, в которой модель обучается сближать представления нормальных данных и отдалять представления аномалий, улучшая разделение в латентном пространстве.
Вариационный автоэнкодер (VAE) для аномалий
Автоэнкодер, который изучает вероятностное распределение латентного пространства; аномалии идентифицируются по их низкой вероятности при этом распределении, изученном на нормальных данных.