使用一类神经网络进行异常检测
机器学习
2019-01-14 v2 神经与进化计算
机器学习
摘要
我们提出一种一类神经网络（OC-NN）模型以检测复杂数据集中的异常。OC-NN 将深度网络提取渐进丰富数据表示的能力与创建围绕正常数据的紧密包络的一类目标相结合。OC-NN 方法因以下关键原因而开辟新天地：隐藏层中的数据表示由 OC-NN 目标驱动，从而针对异常检测定制。这不同于其他使用混合方法的方法，即使用自编码器学习深度特征，然后将特征输入单独的一类 SVM（OC-SVM）等异常检测方法。混合 OC-SVM 方法是次优的，因为它无法影响隐藏层中的表示学习。一组综合实验表明，在复杂数据集（如 CIFAR 和 GTSRB）上，OC-NN 表现与 SOTA 方法相当，并在某些场景下优于传统浅层方法。
引用
@article{arxiv.1802.06360,
title = {Anomaly Detection using One-Class Neural Networks},
author = {Raghavendra Chalapathy and Aditya Krishna Menon and Sanjay Chawla},
journal= {arXiv preprint arXiv:1802.06360},
year = {2019}
}