【论文阅读】Siamese Neural Network Based Few-Shot Learning for Anomaly Detection in Industrial Cyber-Physi
文章目录
- Abstract
- 1. Introduction
- 2. Related Work
- 2.1 Anomaly Detection techniques for CPS
- 2.2 Few-Shot Learning in Industrial Applications
- 3 Few-shot Learning Model with Siamese CNN in CPS
- 3.1 Problem Definition
这篇论文感觉有很多问题,并且不在CCF列表中,不建议阅读
Abstract
本论文提出了一种小样本学习模型 FSL-SCNN(Few-Shot Learning model with Siamese Convolutional Neural Network) ,针对工业CPS系统中的异常检测任务,目的是减轻的overfitting问题和提高准确率。
其中 Siamese CNN encoding network 是用来度量特征优化(optimized feature)后的“输入样本”之间的距离。
实验基于完全公开的数据集,最终明显提高了 false alarm rate(FAR) 和 F1 scores.
1. Introduction
第一段介绍了一下 Cyber-physical system(CPS),不重要。
第二段说CPS很容易遭到攻击,所以用异常检测(Anomaly detection)来识别攻击很重要。
第三段说现在的技术还不太行,CPS多么多么复杂,需要一个牛批的实时的检测系统。另外,缺乏很好的带Label的数据。
第四段简单介绍了一下 Few-shot learning。
第五段介绍了论文提出的模型。重点有:①提出了relative-feature的表示方法来表示输入数据特征。②Siamese CNN 是用来促进高维特征的学习,以进一步识别新类别(novel class);③ cost function 包含三个loss;③ 主要的贡献:(1)减轻了处理小样本数据时的overfitting问题。 (2) 提出的 cost function 增加了训练效率。(3) 适用于工业CPS数据
2. Related Work
本章分别讨论了CPS中的“异常检测技术”和“工业应用中的Few-shot learning”
2.1 Anomaly Detection techniques for CPS
本章介绍了一下之前的工作,然后总结了一下它们共同的问题:
- 传统的监督学习模型严重依赖先验知识(prior knowledge)和高质量的含标签的数据集(well labeled training samples)
- 容易过拟合,进而导致性能差
2.2 Few-Shot Learning in Industrial Applications
本章介绍了一下其他使用Few-shot learning的论文,然后本论文有以下改进:
- 克服了overfitting问题
- Siamese CNN减轻了关键特征(key features)的loss
- 可以应用在工业CPS上,并提高异常检测性能。
3 Few-shot Learning Model with Siamese CNN in CPS
本章作者详细介绍了他提出的模型
3.1 Problem Definition
读不下去了,论文有很多问题
【论文阅读】Siamese Neural Network Based Few-Shot Learning for Anomaly Detection in Industrial Cyber-Physi相关推荐
- 读论文《Recurrent neural network based language model 》
读论文<Recurrent neural network based language model > 标签(空格分隔): 论文 introduce 本文将循环神经网络RNN引入了神经网络 ...
- 【论文笔记】3D LiDAR-Based Global Localization Using Siamese Neural Network
[论文笔记]3D LiDAR-Based Global Localization Using Siamese Neural Network ~~~ ~~~~ 在本文基于从神经网络中学习到的 ...
- 读后感-论文Patch-based Convolutional Neural Network for Whole Slide Tissue Image Classification
读后感背景 工作中要对高分辨率图像(至少1024 \(\times\) 1024)进行分类,而且ground-truth分类的标准一般都是取决于像素级别的精细local feature(e.g. te ...
- Paper翻译:《A Novel Convolutional Neural Network Based Model for Recognition and Classification of App》
论文名称:<A Novel Convolutional Neural Network Based Model for Recognition and Classification of Appl ...
- 小样本论文笔记5:Model Based - [6] One-shot learning with memory-augmented neural networks.
小样本论文笔记5:Model Based - [6] One-shot learning with memory-augmented neural networks 文章目录 小样本论文笔记5:Mod ...
- [论文阅读] Action Semantics Network: Considering the Effects of Actions in Multiagent System
[论文阅读] Action Semantics Network: Considering the Effects of Actions in Multiagent System 原文链接:https: ...
- Item Tagging for Information Retrieval: A Tripartite Graph Neural Network based Approach 用于信息检索的项目标签
文章目录 摘要 简介 Tagging 方法 动机和总览 动机 总览 TagGNN-IT 节点表示 TagGNN-IT Propagation 损失 2.3 TagGNN-QI 2.3.1 边表示 2. ...
- 目标检测论文阅读:GHM(anchor based)
目标检测论文阅读:GHM(anchor based) 论文链接:https://arxiv.org/abs/1811.05181 代码链接:https://github.com/libuyu/GHM_ ...
- Convolutional Neural Network based Multiple-Rate Compressive Sensing for Massive MIMO CSI Feedback:
Convolutional Neural Network based Multiple-Rate Compressive Sensing for Massive MIMO CSI Feedback: ...
最新文章
- HDLBits 系列(3)Priority Encoder(Case/Casez)
- android读写文件的,Android读写文件
- oracle中OEM证书失效怎么办,安全证书过期怎么办 网站安全证书失效处理【解决方法】...
- java面试题42从以下哪一个选项中可以获得Servlet的初始化参数?
- 2021Q1美妆行业季度观察报告
- P1601高精度加法
- 虚拟化VMware ESXi 6.7服务器安装配置
- 查看sqlserver信息
- FTP在资源管理器里打不开
- 用Cocos Creator 模拟书本翻页效果
- Webots学习笔记 1.创建自己的仿真机器人模型
- win10安装visio2010出错_为何我安装Visio 2010时会安装不上,提示下面的错误
- 目前使用ORACLE EBS的公司列表
- 支付宝:APP支付接口2.0(alipay.trade.app.pay)
- 物质的构成,分子、原子、中子、质子等的关系。
- gensim相关功能函数及其案例
- C盘垃圾文件清理方法
- 数字锁相放大器,得到的结果与采样率之间的关系
- python定义一个复数类complex、内有两个成员变量_python(一):python语言基础
- 如何在win11上浏览政府IE网站