基于潜空间选择与加权的异常检测
机器学习
2021-03-09 v1
摘要
随着工业 4.0 时代对自动化的高要求，异常检测在提升生产制造行业的安全性与可靠性方面发挥着日益重要的作用。近年来，自编码器已被广泛用作异常检测的后端算法。人们已开发多种技术来提升自编码器的异常检测性能。然而，自编码器所学到的潜表示却鲜受关注。本文提出一种新颖的基于选择与加权的异常检测框架，称为 SWAD。具体而言，所学到的潜表示被逐一选择并加权。在基准数据集与真实世界数据集上的实验均展示了 SWAD 的有效性与优越性。在基准数据集上，SWAD 框架取得了与最先进方法相当甚至更优的性能。
引用
@article{arxiv.2103.04662,
title = {Anomaly Detection Based on Selection and Weighting in Latent Space},
author = {Yiwen Liao and Alexander Bartler and Bin Yang},
journal= {arXiv preprint arXiv:2103.04662},
year = {2021}
}