基于条件变分自编码器的异常检测
机器学习
2020-10-13 v1 高能物理 - 实验
摘要
利用概率推断（特别是变分贝叶斯与变分自编码器（VAE））的快速进展用于异常检测（AD）任务，仍是一个开放的研究问题。先前的工作认为仅用正常样本训练 VAE 模型是不充分的，且为判别异常实例需对框架进行显著修改。在本工作中，我们利用深度条件变分自编码器（CVAE），并定义了一种面向层次化结构数据异常检测的原始损失函数与度量。我们的动机应用是一个真实世界问题：监测触发系统——这是 CERN 大型强子对撞机（LHC）上许多粒子物理实验的基本组件。在实验中，我们展示了该方法在经典机器学习（ML）基准及我们的应用上的优越性能。
引用
@article{arxiv.2010.05531,
title = {Anomaly Detection With Conditional Variational Autoencoders},
author = {Adrian Alan Pol and Victor Berger and Gianluca Cerminara and Cecile Germain and Maurizio Pierini},
journal= {arXiv preprint arXiv:2010.05531},
year = {2020}
}
备注
Presented at ICMLA 2019