本文提出了一种利用二进制传感器测量识别异常的算法，将问题转化为在 Markov 决策过程框架下的顺序假设检验问题，使用 Actor-Critic 深度强化学习算法解决，并在数值实验中证明了其在适应任何未知统计依赖模式的处理过程方面的优异性能。

May, 2020

研究了一种检测异质进程中异常的主动推理问题。提出了一种序贯探测策略，动态地确定每个时间要观察哪些进程以及何时终止搜索。提出了一种低复杂度的确定性测试，其渐近最优性与 Chernoff 测试相同，但在有限范围内性能更好，收敛更快，特别是当进程数量很大时，所提出的测试的计算复杂度也非常低。

Apr, 2017

本研究提出了一种基于贝叶斯最优推理和控制框架的主动感知算法，C-DAC，该算法通过直接最小化行为成本，例如时间延迟、响应误差和努力来优化主动感知模型，从而实现了上下文关联的主动控制。我们在简单的视觉搜索任务上模拟这些算法，以说明情境敏感性特别有益的情况和相对于一般统计目标而言优化特别不足的情况。同时，为了解决复杂的问题，我们提出了参数化和非参数化的近似方法，这些近似方法保持上下文相关性同时显著减少计算复杂度。

May, 2013

该研究提出了一种基于逆强化学习的端到端框架来实现序列异常检测，使用神经网络表示奖励函数，并采用贝叶斯方法来构建可靠的异常检测方法。

Apr, 2020

考虑通过有限的干预来控制动态过程。我们将这个问题表述为关于时间图过程的顺序决策问题，并设计了一个新颖的可行方案来控制时间图上的动态过程。我们成功地将方法应用于两个流行问题：优先考虑哪些节点进行检测以限制疫情传播，以及影响最大化问题。

Oct, 2020

本文提出了一种深度学习方法，用于解决无线通信中的一类主动感知问题。该方法利用 LSTM 网络和 DNN 网络，旨在优化自适应信道感知任务，包括自适应波束成形和自适应可重构智能表面感知问题。数值结果表明该新方法优于现有的自适应或非自适应感知方案。

Dec, 2021

该研究使用基于深度学习的启发式和 KL 分歧零和游戏设计方法来解决部分可观测马尔可夫决策过程中的主动序贯假设测试问题，并表明在某些情况下所提出的启发式方法优于现有方法。

Oct, 2018

该论文提出了一个基于深度强化学习的方法来解决在只有有限的异常样本和大量无标注数据集的情况下进行异常检测的问题，该方法在自动交互式模拟环境中学习已知异常，并通过探索从而将学习到的异常扩展到未知异常，最终取得了比五种已有方法更好的实验效果。

Sep, 2020

该论文介绍了一种新颖的方法，通过从条件粒子滤波器中抽取样本，将风险敏感的随机控制看作马尔科夫评分上升问题，提供了渐进无偏估计的梯度优化策略，避免了显式值函数学习，通过在随机动态系统的数值基准测试中展示其有效性，应用于学习神经非高斯反馈策略。

Dec, 2023

探测给定传感器网络中是否存在具有 “异常行为” 的传感器簇，涉及时间序列分析和泊松分布的聚类检测方法。

Jan, 2010