基于神经网络的单类分类算法，比较出名的有什么

基于神经网络的单类分类算法，比较出名的有以下几种：

1. One-Class Support Vector Machine (OCSVM)：OCSVM是一种基于支持向量机的单类分类算法，通过将数据映射到高维空间中，在该空间中构建一个只包含正样本的超平面，从而判断新样本是否属于该类。

2. Isolation Forest：Isolation Forest是一种基于随机森林的单类分类算法，通过构建随机树来对数据进行分割，并使用树的深度作为新样本与正样本的距离度量。

3. Autoencoder：Autoencoder是一种基于神经网络的单类分类算法，通过将数据编码成低维空间向量，再将向量解码回原始数据，从而判断新样本是否与正样本相似。

4. Deep Support Vector Data Description (DSVDD)：DSVDD是一种基于深度神经网络的单类分类算法，通过将数据映射到低维空间中，在该空间中构建一个只包含正样本的超球体，从而判断新样本是否属于该类。

这些算法在实际应用中都有一定的优缺点，具体选择哪一种算法要根据具体的问题和数据情况来进行选择。