일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 | 31 |
Tags
- CS231n
- darknet
- TCP
- computervision
- libtorch
- 논문분석
- cnn 역사
- support vector machine 리뷰
- SVM margin
- pytorch project
- DeepLearning
- Object Detection
- SVM hard margin
- Faster R-CNN
- 서포트벡터머신이란
- cs231n lecture5
- Deep Learning
- RCNN
- 데이터 전처리
- SVM 이란
- fast r-cnn
- pytorch c++
- EfficientNet
- CNN
- svdd
- yolov3
- pytorch
- self-supervision
- yolo
- Computer Vision
Archives
- Today
- Total
목록one class svm anomaly detection (1)
아롱이 탐험대

본 포스트는 고려대학교 산업경영공학부 강필성 교수님의 Business Analytics 강의를 정리한 내용입니다. Auto-Encoder for Anomaly Detection Auto-Encoder 기법은 이미지에서는 CNN을 사용하고, time-series나 text 데이터에 대해서는 RNN 기반으로 사용한다. 이를 모두 관통하는 원칙은 Neural Net을 학습하는 데 있어 input data를 최대한 reconstruction 하여 output data와 비슷하게 만드는 것이다. $$l(f(\mathbf{x})) = \frac{1}{2}\sum_{k}(\hat{x}_{k}-x_{k})^{2} $$ AE (Auto-Encoder)의 basic loss function은 위와 같이 정의되고, 여기서 ..
study/IME654
2022. 7. 16. 18:50