基于多假设自编码器的异常检测
机器学习
2021-07-20 v1 信号处理
摘要
近来基于自编码器(AE)的模型被广泛用于异常检测领域。用正常数据训练的模型对异常数据产生更大的复原误差。异常数据与否通过观测复原误差判定。在工业领域获取异常数据需耗费大量成本与时间。因此模型仅用正常数据训练,并在推理阶段检测异常数据。然而,AE 对输入数据的复原区域在潜空间中受限。为解决该问题,我们提出由若干解码器组成的多假设自编码器(MH-AE)模型。MH-AE 模型通过解码器间的竞争增大复原区域。所提方法表明,相较于传统 AE,对各种输入数据集的异常检测性能均得到提升。
引用
@article{arxiv.2107.08790,
title = {Anomaly Detection Based on Multiple-Hypothesis Autoencoder},
author = {JoonSung Lee and YeongHyeon Park},
journal= {arXiv preprint arXiv:2107.08790},
year = {2021}
}
备注
3pages, 3figures