异常检测
文章平均质量分 95
探索有趣且有意义的异常检测前沿研究
innerVoi
一只啥也不会的CS菜鸟,致力于探索和分享有趣的研究...目前关注:数据选择和异常检测
展开
-
【TKDE 2024】异常检测 | COUTA:一种基于校准的单类分类无监督时序异常检测方法
本文提出了一种基于校准的单类分类的无监督时序一场检测方法,COUTA。该方法克服了单类学习过程中的两个关键挑战:1)异常污染的存在;2)异常知识的缺乏。COUTA通过两个新颖的校准方法,基于不确定性建模的校准(UMC)以及基于原生异常的校准(NAC),实现上述目标。在UMC中,对单类分类的距离值施加一个先验的分布,惩罚不确定性大的噪声样本的影响,鼓励确定性高的样本有效学习。在NAC中,利用设计的数据扰动操作生成原生的异常样本,为单类分类学习提供了最初的异常知识。翻译 2024-06-03 17:37:54 · 39 阅读 · 0 评论 -
【arXiv 2023】异常检测 | DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection
这篇文章提出了一种由重构子网络和分割子网络组成的新型异常检测管道DiffusionAD。首先,使用扩散模型重新定义重构过程,通过noise-to-norm范式,利用高斯噪声扰动异常区域并将其恢复成正常表示。其次,提出一步去噪范式,加快扩散模型的迭代去噪过程,并且提出正常引导范式来进一步增强重构质量。最后,分割子网络比较输入图像和无异常恢复图像之间的不一致性和共性,预测像素级别的异常分数。实验结果表明DiffusionAD超越了SOTA。翻译 2024-04-17 16:20:58 · 168 阅读 · 0 评论 -
【arXiv 2024】反事实解释异常 | Reimagining Anomalies: What If Anomalies Were Normal?
本文介绍了一种从语义层面对图像异常检测器进行解释的新方法。这是通过修改异常,直到它们被检测器认为是正常的,创建称为反事实的实例来实现的。反事实在许多科学学科中发挥着至关重要的作用,从流行病学的因果推理到经济学的决策和气候科学的预测模型。作者发现反事实可以为图像异常检测器提供更深入、更细致的理解,远远超出传统的特征归因水平。翻译 2024-03-27 00:25:58 · 60 阅读 · 0 评论 -
【ICLR 2022】异常检测 | Anomaly Detection for Tabular Data with Internal Contrastive Learning
这篇文章提出了一种用于表格数据异常检测的通用单类分类方法。通过假设有可能基于样本的剩余特征来识别被掩蔽/缺失的特征,利用对比损失学习实现了表格数据的增强和检测能力的提升。大量的实验证明,该方法与Baselines相比具有明显优势,且超参数稳定,不需要在不同的数据集间调优。翻译 2024-03-19 21:20:18 · 67 阅读 · 0 评论 -
【ICLR 2024】异常检测 | MCM: Masked Cell Modeling for Anomaly Detection in Tabular Data
这篇文章受掩码图像/语言建模在CV和NLP领域的成功的启发,提出了一种用于表格数据异常检测的MCM框架。通过生成多样的掩码矩阵抽取正常数据中的不同特征关联,从而在测试阶段将缺乏这些关联的样本判定为异常。翻译 2024-03-23 17:12:26 · 145 阅读 · 0 评论