LEAN-DMKDE：用于异常检测的量子隐变量密度估计
机器学习
2022-11-17 v1 人工智能
统计理论
量子物理
统计理论
摘要
本文提出一种异常检测模型，将基于密度估计的异常检测方法的坚实统计基础与深度学习模型的表示学习能力相结合。该方法将用于学习数据低维表示的自编码器与基于随机傅里叶特征和密度矩阵的密度估计模型结合在一个端到端架构中，可使用基于梯度的优化技术进行训练。该方法基于估计密度预测新样本的正常程度。我们在不同基准数据集上进行了系统性实验评估。实验结果表明，该方法性能与其他最先进（SOTA）方法相当或优于它们。
引用
@article{arxiv.2211.08525,
title = {LEAN-DMKDE: Quantum Latent Density Estimation for Anomaly Detection},
author = {Joseph Gallego-Mejia and Oscar Bustos-Brinez and Fabio A. González},
journal= {arXiv preprint arXiv:2211.08525},
year = {2022}
}
备注
10 pages