基于变分自编码器概念学习的蜂窝网络可解释异常检测
机器学习
2023-06-29 v1 人工智能
网络与互联网体系结构
应用统计
摘要
本文以解决蜂窝网络可解释异常检测的挑战为出发点，提出了一种利用变分自编码器（VAEs）的新方法，该方法为数据集中每个关键绩效指标（KPI）学习潜空间的可解释表示。这使得基于重构损失和 Z-scores 检测异常成为可能。我们通过使用 K-means 算法附加信息质心（c）来增强表示学习，从而确保异常的可解释性。我们通过分析特定 KPI 在潜维度中的模式来评估模型性能，并由此展示其可解释性与异常。所提出的框架为蜂窝网络异常检测提供了一种更快速且自主的解决方案，并展示了基于深度学习的算法在处理大数据方面的潜力。
引用
@article{arxiv.2306.15938,
title = {Interpretable Anomaly Detection in Cellular Networks by Learning Concepts in Variational Autoencoders},
author = {Amandeep Singh and Michael Weber and Markus Lange-Hegermann},
journal= {arXiv preprint arXiv:2306.15938},
year = {2023}
}