摘要:
# Deep One-Class Classifification Deep SVDD (Deep Support Vector Data Description)训练一个神经网络,最小化包含数据表征的超球的体积(如图1所示) ![image-20230606193307205](https://i 阅读全文
摘要:
Deep Isolation Forest for Anomaly Detection 1 INTRODUCTION IForest的缺点 它的与坐标轴平行的隔离方法会导致它在高维/非线性空间中难以检测到异常。 如图1所示。红色为异常节点,蓝色为正常节点。红色被蓝色所包围,这种情况无法被直接用 平行 阅读全文
摘要:
## OpenMP: "libgomp: Thread creation failed: Resource temporarily unavailable" when code run as regular user 这几天在跑代码的时候,因为模型需要调参,方便起见打算同时运行25个程序。但是在使用 阅读全文
摘要:
Peripheral Instance Augmentation for End-to-End Anomaly Detection Using Weighted Adversarial Learning abstract 对边缘样本的实例学习不足,可能会导致较高的假阳性 提出方法用少量样本来指导对抗 阅读全文
摘要:
# Density estimation using real nvp 参考资料: - 苏剑林. (Aug. 26, 2018). 《细水长flow之RealNVP与Glow:流模型的传承与升华 》[Blog post]. Retrieved from https://kexue.fm/archiv 阅读全文
摘要:
## 摘要 本文提出一个无监督的基于密度的用于异常检测的方法 **目的:**定义一种平滑而有效的异常度量,可用于检测非线性系统中的异常。 **局部离群值得分(local outlier score, LOS)**:该方法为每个样本分配一个局部离群值分数(local outlier score, LO 阅读全文
摘要:
本要是对于原文的部分内容翻译、摘录。详情请阅读原文。(未看完) ## 引言 为了解决检测具有动态和时变特征的复杂上下文异常的问题,新的有前途的循环神经网络(RNN)体系结构出现了。 由于最近出现了不同的LSTM方法,这些方法被广泛用于不同的异常检测目的,本文旨在对技术系统的异常检测进行详细概述,明确 阅读全文
摘要:
# IForest ## 所基于的假设 1. 异常是由较少实例组成的少数派 2. 它们拥有与正常实例差别较大的属性 换句话说,异常是少而不同的(few and different),这使得它们比正常的点更容易被孤立。 本文证明了可以有效地构造一个树状结构来隔离每个实例。因为异常点易于被隔离,它们通常 阅读全文
摘要:
给出一张n*m(1<=n,m<=2000)的矩阵,’.’ 代表空地,’#’ 代表障碍物,合法矩阵为内部不含障碍物的矩阵。求出所有合法矩阵的面积之和。 input 2 3 .#. …# output 8 input 3 3 … … … output 100 input 3 4 …#. #… …# ou 阅读全文
摘要:
# Anomaly detection - A survey ## 1. Introduction ### 1.1 What are anomalies? Anomalies are patterns in data that do not conform to a well defined not 阅读全文