基于深度 actor-critic 强化学习的异常检测
机器学习
2019-08-29 v1 信息论
math.IT
摘要
异常检测被广泛应用于多种领域，例如智能家居系统、网络流量监控、物联网应用和传感器网络。本文研究基于深度强化学习的主动序贯测试异常检测方法。我们假设在任一时刻存在未知数量的异常过程，且智能体在每一步采样中只能检查一个传感器。为了同时最大化决策的置信水平并最小化停止时间，我们提出了一种深度 actor-critic 强化学习框架，该框架可基于后验概率动态选择传感器。我们给出了训练阶段和测试阶段的仿真结果，并在声明延迟和损失方面将所提框架与 Chernoff 检验进行了比较。
引用
@article{arxiv.1908.10755,
title = {Deep Actor-Critic Reinforcement Learning for Anomaly Detection},
author = {Chen Zhong and M. Cenk Gursoy and Senem Velipasalar},
journal= {arXiv preprint arXiv:1908.10755},
year = {2019}
}
备注
5 figures