基于SDAE的异常检测
机器学习
2020-04-10 v1 机器学习
摘要
异常检测是学习应用中用于纠正和/或移除故障数据的重要数据预处理步骤。利用自动编码器将此类数据自动化处理，可通过隔离在手动或基础统计分析中遗漏的异常来提升数据集质量。我们在ASHRAE建筑能源数据集上训练并比较了简单深度自动编码器、深度自动编码器和监督深度自动编码器用于异常检测。鉴于模型训练所依据的限制性参数，深度自动编码器表现最佳；然而，当考虑测试数据集时，监督深度自动编码器在检测到的异常总数上优于其他模型。
引用
@article{arxiv.2004.04391,
title = {Anomaly Detection with SDAE},
author = {Benjamin Smith and Kevin Cant and Gloria Wang},
journal= {arXiv preprint arXiv:2004.04391},
year = {2020}
}
备注
9 pages, 20 figures