深度和浅层异常检测的统一综述

Sep, 2020

A Unifying Review of Deep and Shallow Anomaly Detection

Lukas Ruff, Jacob R. Kauffmann, Robert A. Vandermeulen, Grégoire Montavon, Wojciech Samek...

TL;DR通过综述研究，探究了在复杂数据集中深度学习方法在异常检测中的应用，分析了常见方法的共性原理、常见假设以及经验评估，并提出了对未来研究的挑战和方向。

Abstract

deep learning approaches to anomaly detection have recently improved the state of the art in detection performance on complex datasets such as large collections of images or text. These results have sparked a ren

deep learning anomaly detection generative models one-class classification reconstruction

发现论文，激发创造

深度学习用于异常检测：调研

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

文本中的深度异常检测

利用自监督学习针对文本语料库制定预文本任务的方法，根据最新研究成果，大幅提高了半监督和无监督异常检测的效果，并证明了自监督异常检测在自然语言处理领域中的潜力。

Dec, 2023

深度学习在医学异常检测中的应用 — 综述

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

深度异常检测中的假设重新思考

本研究探讨异常检测在图像领域的深度学习方法，通过在 ImageNet 数据集上与现有深度学习算法和少量随机自然图像进行比较，发现多尺度图像数据的结构特点可以提高异常样本的识别效果。

May, 2020

深度半监督异常检测

本研究提出新型的半监督深度异常检测方法 Deep SAD，并基于信息论框架建立起来的理论解释。该方法在 MNIST、Fashion-MNIST 和 CIFAR-10 数据集上均取得了令人满意的性能提升。

Jun, 2019

深度学习中的异常例检测：综述

本文介绍了关于深度学习中的异常检测技术的研究，旨在提供现有技术的分类及其相对优缺点，强调在应用异常检测技术的深度学习系统中仍存在的未解决研究挑战，并提出了未来重要的研究方向。

Mar, 2020

基于树的方法在异常检测中能超越深度学习吗？一项基准研究

该论文通过综合基准研究评估了多种基于机器学习的异常检测算法，并发现树型算法在许多情境下表现优于深度学习。

Feb, 2024

基于深度学习的图异常检测综述

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

生成式深度模型对新颖性检测是否真正更好？

本文比较了一系列深度生成模型和经典的异常检测方法的性能，得出深度生成模型的性能受其超参数的选择过程的影响，并指出当选择异常样本数量减少时，深度生成模型的性能下降并不能系统性地优于 kNN。

Jul, 2018

文本数据深度学习异常检测方法

使用深度学习和变换器架构结合经典机器学习算法以检测和识别文本中的异常，将所有文本上下文转换为数字表示。

Nov, 2022