首页Deep One-class Classification Loss损失函数的详细意义

Deep One-class Classification Loss损失函数的详细意义

时间: 2024-05-22 12:14:58 浏览: 276

颜色分类leetcode-Keras-OneClassAnomalyDetection:[5FPS-150FPS]为一类分类（异常检测）学习深

颜色分类leetcode Keras-OneClass异常检测学习一类分类的深度特征（异常检测）。对应树莓派3。转换为 Tensorflow、ONNX、Caffe、PyTorch、Tensorflow Lite。 [2019 年 1 月 19 日] 首次发布。它对应于RaspberryPi3。 [2019 年 1 月 20 日] 我已开始努力使其与 OpenVINO 兼容。 [2019 年 2 月 15 日] 支持 OpenVINO。 [仅限 x86_64。 CPU/GPU（英特尔高清显卡）] [2019 年 2 月 24 日] 支持 Tensorflow Lite。 [对于树莓派3] 介绍这个存储库的灵感来自, 并被创建。我要对愉快地接受他的技巧、考虑和文章引用表示最深切的感谢。他的文章应该是实用的，不仅限于逻辑，而且很棒。但是，我没有阅读论文的能力，也没有阅读数学表达式的能力。我只想在实际范围内验证他精彩文章内容的有效性。老实说，我不从事制作程序的工作。环境（示例） Ubuntu 16.04（GPU = Geforce GTX 1070） CUDA 9.0 +

Deep One-class Classification Loss（深度单类分类损失）是一种用于训练神经网络进行异常检测的损失函数。该函数的详细意义是通过将正常数据映射到一个较小的区域并通过损失函数最小化异常数据到该区域的距离来训练网络，从而实现异常检测的目的。这个损失函数通常用于无监督学习，因为数据集没有标签。

阅读全文