内含动画的PPT已经上传,可以在我上传的资源里看到,可免费下载论文信息
论文解析参考链接:用于非监督异常检测的深度自编码高斯混合模型
论文链接:DEEP AUTOENCODING GAUSSIAN MIXTURE MODEL FOR UNSUPERVISED ANOMALY DETECTION
论文参考代码https://github.com/tnakae/DAGMM
在阅读论文的后阶段,需要掌握EM算法的基本原理,大家可以搜索一下CSDN一些热门的博客,关于视频学习EM算法,我推荐复旦-机器学习课程 第十讲 EM 算法以及EM算法的原理
论文信息
- 2018
- ICLR
- 多维时间序列+异常检测+GMM+Deep AutoEncoder+EM算法(期望最大化算法)
一、论文动机![在这里插入图片描述](https://img-blog.csdnimg.cn/20200529152226280.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dhbmdaaXh1YW4xMTEx,size_16,color_FFFFFF,t_70)
二、论文创新
三、网络结构
1、Compression network
2、Estimation network
3、GMM训练与参数更新
4、预测
5、损失函数