基于变分自编码器的异常检测统计检验
机器学习
2024-06-04 v2 机器学习
摘要
在本研究中，我们考虑使用变分自编码器（VAE）进行异常检测（AD）的可靠性评估。过去十年间，基于VAE的异常检测在从方法开发到应用研究的各个视角都得到了积极研究。然而，当AD的结果被用于高风险决策时，例如在医学诊断中，确保所检测异常的可靠性是必要的。在本研究中，我们提出VAE-AD检验，作为一种在统计检验框架内量化基于VAE的AD统计可靠性的方法。利用VAE-AD检验，由VAE检测到的异常区域的可靠性可以以p值的形式进行量化。这意味着，如果当p值低于某个阈值时声明异常，就有可能将错误检测的概率控制在期望的水平。由于VAE-AD检验是基于一种称为选择性推断的新统计推断框架构建的，其有效性在有限样本下得到了理论保证。为了证明所提出的VAE-AD检验的有效性和实用性，我们进行了人工数据的数值实验以及对脑图像分析的应用。
引用
@article{arxiv.2402.03724,
title = {Statistical Test for Anomaly Detections by Variational Auto-Encoders},
author = {Daiki Miwa and Tomohiro Shiraishi and Vo Nguyen Le Duy and Teruyuki Katsuoka and Ichiro Takeuchi},
journal= {arXiv preprint arXiv:2402.03724},
year = {2024}
}