本文针对深度学习异常检测问题进行了系统综述,将研究方法划分为不同的类别并探讨其在应用领域的适用性和效果,同时讨论了现有研究的局限性和未来研究的方向。
Jan, 2019
本文简要综述了现有的工作,并从解释性、公平性、鲁棒性和隐私保护的角度讨论了可信的异常检测的开放问题。
Feb, 2022
该研究旨在调查社交媒体上的假新闻检测问题并提出相关算法,主要涵盖社交媒体上的假新闻特征、数据挖掘算法、评估指标等方面。
Aug, 2017
本文综述了现代深度学习技术在图异常检测中的应用,编译了开放资源的实现、公共数据集和常用评估方法,重点强调了 12 个未解决和新兴的研究问题和现实世界的应用。
Jun, 2021
本研究调查了基于 GAN 的异常检测方法,评价了其优缺点,并在不同数据集上实验证明了主要的 GAN 模型的性能。同时,提供了一个完整的开源工具箱来使用 GAN 进行异常检测。
Jun, 2019
对异常值和离群值对模型估计和数据处理的影响进行了全面的调查,包括对异常检测领域的综述和研究方法进行了研究,揭示了相关主题和方法的发展以及学者在这一领域的写作实践。
Dec, 2023
本文综述了最新的用于检测以图形表示的数据中异常值的方法和算法,包括在不同场景下的无监督和(半)监督方法,以及针对属性和普通图的静态和动态图。作者强调了异常归因的重要性,并介绍了根据检测到的异常挖掘其根本原因的技术。除此之外,作者还列举了金融、拍卖、计算机流量和社交网络等领域中基于图形的异常检测的若干真实应用,并讨论了该领域的理论和实践挑战。
Apr, 2014
综述了基于图数据的异常检测技术,包括应用领域、假设和技术分类、改进方法的基本研究思路以及现有技术的优缺点,最后探讨了基于图结构数据的异常检测领域的未来研究方向。
May, 2024
本论文的主要目的是针对机器学习在医疗异常检测中的应用进行理论分析,提供关于流行的深度学习技术的全面的系统性回顾,比较和对比它们的架构差异和训练算法,并提供了用于解释模型决策的深度模型解释策略的综合概述。此外,指出现有深度医疗异常检测技术的主要局限性并提出未来的关键研究方向。
Dec, 2020
研究开发了两种新的统计技术,用于自动检测云基础架构数据中的异常,采用季节性分解和鲁棒统计度量,有效实现在季节性高峰存在的情况下的异常检测。从容量规划,用户行为和监督学习三个方面证明了所提出技术的有效性。
Apr, 2017