基于零边界LSTM的任意离散序列异常检测
机器学习
2018-03-08 v1
摘要
我们提出了一种用于发现离散序列数据集中异常的简单数学定义和新神经架构。我们的模型由一个改进的 LSTM 自编码器与一组单类 SVM 组成。LSTM 接收序列中的元素并创建上下文向量，用于预测下一元素的概率分布。这些上下文向量随后被用于训练一组单类 SVM。这些 SVM 用于在上下文空间中确定离群边界。我们表明，在两个生成的数据集上，我们的方法比标准 LSTM 与滑动窗口异常检测系统更稳定且性能更优。
引用
@article{arxiv.1803.02395,
title = {Arbitrary Discrete Sequence Anomaly Detection with Zero Boundary LSTM},
author = {Chase Roberts and Manish Nair},
journal= {arXiv preprint arXiv:1803.02395},
year = {2018}
}