基于 Wasserstein GAN 的异常检测
机器学习
2018-12-12 v2 机器学习
摘要
生成对抗网络是一类被广泛用于生成最先进样本的 generative 算法。本文中，我们研究利用 GAN 在时间序列数据集上进行异常检测。为实现此目标，我们围绕 GAN 的理论性质及用于异常检测的 GAN 进行了文献综述。选用 Wasserstein GAN 学习正常数据分布的表达，并由堆叠编码器与生成器共同执行异常检测。带编码器的 W-GAN 在 MNIST 数据集上似乎取得了最先进的异常检测分数，我们进一步探究其在多变量时间序列上的应用。
引用
@article{arxiv.1812.02463,
title = {Anomaly detection with Wasserstein GAN},
author = {Ilyass Haloui and Jayant Sen Gupta and Vincent Feuillard},
journal= {arXiv preprint arXiv:1812.02463},
year = {2018}
}
备注
Based on Ilyass Haloui internship report. arXiv admin note: text overlap with arXiv:1701.07875, arXiv:1406.2661 by other authors