ARCADe：一种快速持续异常检测器
机器学习
2022-07-15 v2 机器学习
摘要
尽管持续学习和异常检测在以往工作中已分别被充分研究，但它们的交集仍鲜有探索。本工作处理一种学习场景，其中模型必须增量地学习一系列异常检测任务，即仅能从正常（多数）类中获取训练样本的任务。我们定义了这一持续异常检测（CAD）的新学习问题，并将其表述为元学习问题。此外，我们提出一种快速持续异常检测器（ARCADe），一种训练神经网络以对该新学习问题的主要挑战——即灾难性遗忘和对多数类的过拟合——具有鲁棒性的方法。我们在三个数据集上的实验结果表明，在 CAD 问题设定下，ARCADe 大幅优于持续学习和异常检测文献中的基线方法。最后，我们深入分析了所提元学习算法产生的学习策略。
引用
@article{arxiv.2008.04042,
title = {ARCADe: A Rapid Continual Anomaly Detector},
author = {Ahmed Frikha and Denis Krompaß and Volker Tresp},
journal= {arXiv preprint arXiv:2008.04042},
year = {2022}
}
备注
Accepted at ICPR 2020