消除VAE基于无监督异常检测中的重建-检测权衡
机器学习
2026-05-06 v1
摘要
变分自编码器（VAE）广泛用于无监督异常检测。然而，模型选择仍是一个开放问题：为保持完全无监督， hyperparameter 往往被选择以最小化正常样本上的重建误差。本文揭示了-VAE模型之间重建质量与异常检测之间的权衡。具有受限潜空间的模型达到更高的检测指标，但重建质量较低。我们还评估了随机种子间的性能变异性，并展示其与正常与异常潜空间分布间距离相关。基于此分析，我们论证并研究了两种方法来缓解重建-检测权衡：beta-调度和稀疏VAE。后者在保持高重建质量的同时尤其显示出检测改进。
引用
@article{arxiv.2605.02916,
title = {From Synthesis to Clinical Assistance: A Strategy-Aware Agent Framework for Autism Intervention based on Real Clinical Dataset},
author = {Junhong Lai and Shuzhong Lai and Yanhao Yu and Wanlin Chen and Chenyu Yan and Haifeng Li and Lin Yao and Yueming Wang},
journal= {arXiv preprint arXiv:2605.02916},
year = {2026}
}
备注
Accepted to 2026 ACL Main Conference