Какво е VAE за откриване на аномалии?

VAE (Вариационен автоенкодер) е тип генеративна невронна мрежа, която се използва за откриване на аномалии чрез обучение на модел на нормалното разпределение на данните. В контекста на откриване на аномалии, VAE се обучава да възстановява входните данни чрез компресиран латентен простор, минимизирайки разликата между входа и изхода.

Идеята е, че моделът добре възстановява нормалните (често срещани) данни, докато за аномалните обекти възстановяването ще бъде лошо, което се проявява с голяма стойност на грешката при възстановяване или ниска вероятност на латентното представяне. Това позволява откриване на аномалии без явни етикети.

Пример за използване:

• Обучете VAE на нормални данни.
• За нови данни изчислете грешката при възстановяване.
• Ако грешката надвиши прага, счита се, че обектът е аномалия.

# Псевдокод за откриване на аномалии с VAE
reconstruction, z_mean, z_log_var = vae_model(x)
reconstruction_error = ((x - reconstruction) ** 2).mean()
if reconstruction_error > threshold:
    print("Обнаружена аномалия")