深度主动学习用于异常检测
机器学习
2020-04-08 v2 机器学习
摘要
异常对人类专家而言直观上易于理解，但难以用数学方式定义。因此，为了在无监督异常检测中获得性能保证，需要对异常是什么施加先验假设。相比之下，主动学习通过适当的专家反馈提供必要的先验。因而，在本工作中我们提出一种可构建于现有无监督异常检测深度学习解法之上的主动学习方法，从而有效将离群点从正常数据中分离。我们引入一个新层，可轻松附加于任何为无监督异常检测设计的深度学习模型，将其转化为主动方法。我们报告了在合成与真实异常检测数据集上使用多层感知机与自编码器架构并结合所提主动层的结果，并讨论了它们在发现聚类异常与低密度异常上的表现。
引用
@article{arxiv.1805.09411,
title = {Deep Active Learning for Anomaly Detection},
author = {Tiago Pimentel and Marianne Monteiro and Adriano Veloso and Nivio Ziviani},
journal= {arXiv preprint arXiv:1805.09411},
year = {2020}
}
备注
Accepted for publication at IJCNN 2020