自我监督用于应对无监督异常检测：陷阱和机遇
摘要：自我监督学习（SSL）是一种不断增长的热潮，最近通过在大量未标记数据上学习自动生成的监督信号，改变了机器学习及其众多实际应用。无监督异常检测（AD）也利用了SSL，通过各种数据增强函数或外部数据暴露自动生成伪异常。在这篇论文中，我们首先强调了SSL策略对AD性能的重要性，通过介绍AD文献中的证据和研究。了解到SSL需要仔细调整各种超参数（HPs），我们提出了最近在基于SSL的AD中无监督模型选择和增强调整方面的进展。然后，我们重点介绍了新的挑战和未来机遇；设计不同数据模态的新预训练任务和增强函数，为系统调整SSL HPs创建新的模型选择解决方案，以及利用预训练基础模型通过有效密度估计在AD中的潜力。
作者：Leman Akoglu and Jaemin Yoo
论文ID：2308.14380
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-29