找出不同的一项：正则化完整循环一致性异常检测生成对抗网络
摘要：一种基于对抗的异常检测方法：基于循环一致性的重构误差和生成对抗神经网络（GANs）的强大力量。先前的方法受到类别间准确性的高方差的困扰，导致不能适用于所有类型的异常。所提出的方法名为RCALAD，通过引入一种新颖的鉴别器结构来解决这个问题，从而实现更高效的训练过程。此外，RCALAD在输入空间中采用了一个补充分布，将重构定向到正常数据分布，有效地将异常样本与其重构分离，并促进更准确的异常检测。为了进一步提高模型的性能，引入了两种新颖的异常评分。通过对六个不同数据集的广泛实验对所提出的模型进行了全面评估，结果表明其优于现有最先进的模型。该代码已经向研究社区提供，链接为https://github.com/zahraDehghanian97/RCALAD。
作者：Zahra Dehghanian, Saeed Saravani, Maryam Amirmazlaghani, Mohammad Rahmati
论文ID：2304.07769
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-16