RoseCDL：用于罕见事件和异常检测的鲁棒可扩展卷积字典学习
机器学习
2026-04-30 v4
摘要
在大规模信号中检测罕见事件和异常在天文学、物理模拟和生物医学科学等领域至关重要。在许多情况下，这个问题自然分解为识别常见的局部模式和检测对应于异常的偏差。卷积字典学习（CDL）是建模局部结构的有力工具，但其在此任务中的应用受到计算需求和对异常值敏感性的限制。我们引入了RoseCDL，这是一种新颖的CDL算法，旨在对信号模式分布进行鲁棒且可扩展的建模。RoseCDL利用随机窗口化进行高效训练，并集成了在线异常值检测以增强鲁棒性。这使得能够基于局部重建损失，在长信号中无监督地识别异常和罕见模式。在真实世界数据集上的实验表明，RoseCDL提供了更高的检测精度和计算效率，使得CDL在大规模信号分析中具有挑战性的检测任务中变得实用。
引用
@article{arxiv.2509.07523,
title = {RoseCDL: Robust and Scalable Convolutional Dictionary Learning for Rare event and Anomaly Detection},
author = {Jad Yehya and Mansour Benbakoura and Cédric Allain and Benoît Malezieux and Matthieu Kowalski and Thomas Moreau},
journal= {arXiv preprint arXiv:2509.07523},
year = {2026}
}
备注
Accepted to the 29th International Conference on Artificial Intelligence and Statistics (AISTATS) 2026