Co je VAE pro detekci anomálií?

VAE (Variationalní Autoencoder) je typ generativní neuronové sítě, která se používá k detekci anomálií tím, že se trénuje model normální rozdělení dat. V kontextu detekce anomálií se VAE učí rekonstruovat vstupní data přes zhuštěný latentní prostor, přičemž minimalizuje rozdíl mezi vstupem a výstupem.

Myšlenka je, že model dobře rekonstruje normální (často se vyskytující) data, zatímco u anomálních objektů bude rekonstrukce špatná, což se projevuje vysokou hodnotou chyby rekonstrukce nebo nízkou pravděpodobností latentního zobrazení. To umožňuje odhalit anomálie bez explicitního označení.

Příklad použití:

• Vytrénujte VAE na normálních datech.
• Pro nová data vypočítejte chybu rekonstrukce.
• Pokud chyba přesáhne práh, považujte objekt za anomálii.

# Pseudokód pro detekci anomálií s VAE
reconstruction, z_mean, z_log_var = vae_model(x)
reconstruction_error = ((x - reconstruction) ** 2).mean()
if reconstruction_error > threshold:
    print("Anomálie detekována")