面向异常检测的端到端卷积激活异常分析
机器学习
2024-11-25 v1
摘要
我们提出一种端到端卷积激活异常分析方法 (E2E-CA)，这是对Sperl、Schulze和B"ottinger提出的A异常检测方法在架构和应用范围上的重要扩展。与原始方法不同,我们使用卷积自编码器作为目标网络,这使得该方法自然可应用于图像和表格数据。在报警网络中,我们将来自CAE卷积层的激活值堆叠成 维张量。此外,我们将报警网络的分类损失与目标CAE的重构误差相结合，作为“两全其美”方法,这大大增加了该网络的通用性。评估结果表明,尽管该网络结构相对简单且轻量级,但在MNIST、CIFAR-10和KDDcup99等常见数据集上,其异常检测性能仍表现出色。
引用
@article{arxiv.2411.14509,
title = {End-to-End Convolutional Activation Anomaly Analysis for Anomaly Detection},
author = {Aleksander Kozłowski and Daniel Ponikowski and Piotr Żukiewicz and Paweł Twardowski},
journal= {arXiv preprint arXiv:2411.14509},
year = {2024}
}