深度与浅层异常检测的统一综述
机器学习
2021-02-09 v3 人工智能
机器学习
摘要
深度学习异常检测方法最近在复杂数据集（如大规模图像或文本集合）上的检测性能达到了最先进水平。这些结果重新激发了人们对异常检测问题的兴趣，并促使大量新方法的提出。随着众多此类方法（包括基于生成模型、单类分类和重构的方法）的出现，越来越需要将这一领域的方法纳入系统且统一的视角。本综述旨在识别各种方法常常隐式采用的共性底层原理与假设。特别地，我们建立了经典的“浅层”方法与新颖的深度方法之间的联系，并展示了这种关系如何能够相互借鉴或扩展两个方向。我们进一步利用近期可解释性技术对现有主要方法进行了实证评估，并给出了具体实例与实用建议。最后，我们概述了关键的开放挑战，并指出了异常检测未来研究的具体路径。
引用
@article{arxiv.2009.11732,
title = {A Unifying Review of Deep and Shallow Anomaly Detection},
author = {Lukas Ruff and Jacob R. Kauffmann and Robert A. Vandermeulen and Grégoire Montavon and Wojciech Samek and Marius Kloft and Thomas G. Dietterich and Klaus-Robert Müller},
journal= {arXiv preprint arXiv:2009.11732},
year = {2021}
}
备注
40 pages; accepted for publication in the Proceedings of the IEEE;