Deep Anomaly Detection with Deviation Networks 论文笔记
Deep Anomaly Detection with Deviation Networks 论文笔记(自己回顾用)
- 问题描述
- 算法框架
- 伪代码
- 总结&个人计划
问题描述
论文利用少部分有标签的异常点来学习出所有节点的异常得分。假设训练集有N+K个,其中N个是没有标签的节点,K个是有标签的异常节点。需要注意的是:K的值要远小于N,以及N中也包含了一部分异常点。
算法框架
算法提出的框架主要由三个部分组成:
1、一个简单的神经网络。输入节点x的特征,可以得到每个节点的异常得分。
2、根据先验概率F选取l个正常点,从这些正常点的得分中计算出均值和标准差。
3、定义损失函数来优化1中的神经网络。损失函数如下:
如果x是异常点,则y=1;x是正常点,则y=0
这个损失函数的目的是希望正常点的分数尽可能接近2中的均值,而异常点的分数尽可能使得dev(x)>a。
伪代码
其中第4行:来自K的节点被视为正常点来处理
总结&个人计划
感觉就是一个普通的神经网络诶…可惜没用到节点与节点之间的关系,单单用了节点的特征。如果说错了希望大佬们指出来
Deep Anomaly Detection with Deviation Networks 论文笔记相关推荐
- Deep Anomaly Detection with Deviation Networks论文阅读
Deep Anomaly Detection with Deviation Networks 两阶段方法的弊端: 间接执行异常分数的优化,导致数据效率低下(因为现有的方法一般是无监督学习,无法利用已知 ...
- 论文解读-Deep Anomaly Detection on Attributed Networks
原文:Ding K , Li J , Bhanushali R , et al. Deep Anomaly Detection on Attributed Networks[M]// Proceedi ...
- 【论文阅读】Neural Transformation Learning for Deep Anomaly Detection Beyond Images 异常检测,可学习变换,时间序列,表格数据
本博客系博主阅读论文之后根据自己理解所写,非逐字逐句翻译,预知详情,请参阅论文原文. 论文标题:Neural Transformation Learning for Deep Anomaly Dete ...
- Procedural Noise Adversarial Examples for Black-Box Attacks on Deep Neural Networks论文笔记
Procedural Noise Adversarial Examples for Black-Box Attacks on Deep Neural Networks论文笔记 0. 概述 如今一些深度 ...
- OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks论文阅读笔记
文章目录 OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks论文阅读笔记 ...
- Unsupervised Deep Anomaly Detection for Multi-Sensor Time-Series Signals-TKDE-A类-
a25-2021-TKDE(A类)-无监督-Unsupervised Deep Anomaly Detection for Multi-Sensor Time-Series Signals-精度-基于 ...
- UAINETS: FROM UNSUPERVISED TO ACTIVE DEEP ANOMALY DETECTION(译)
UAINETS: FROM UNSUPERVISED TO ACTIVE DEEP ANOMALY DETECTION 匿名作者 双盲评审 译者:a易晴天 (最近边看边翻译一篇active anoma ...
- NMS by Representative Region: Towards Crowded Pedestrian Detection by Proposal Pairing论文笔记
NMS by Representative Region: Towards Crowded Pedestrian Detection by Proposal Pairing论文笔记 看论文的笔记,欢迎 ...
- Oriented Response Networks 论文笔记
Oriented Response Networks 论文笔记 Oriented Response Networks 2017cvpr 作者主业:https://yzhou.work/ORN/ 论文地 ...
最新文章
- eclipse发布web项目到生产环境的方式汇总(tomcat)
- sharepoint 2013 自定义列表eventhandle权限控制
- android 退出app代码_uniapp退出APP应用(IOS+安卓)
- English learning
- QueryBuildRange中的表达式
- 支付宝18年账单已出,你消费了多少钱?
- iOS开发UI篇—直接使用UITableView Controller
- 亚马逊AI又遭抗议:一个好端端的美国官员,怎么就成罪犯了?
- java生成excel中文乱码,JSP应用导出Excel报表的简单实现以及中文乱码彻底解决(HTML)...
- python投注_python练习 | 下注猜大小 | 入门级
- 论文翻译 SLAM综述
- 微信分享第三方网页链接自定义标题、描述、图片
- 《智能控制技术》学习笔记-1.绪论,智能控制定义、分类、发展及应用场景
- npm 脚本跨平台设置环境变量命令 cross-env
- GM7123视频编码电路:TTL转VGA,替换SDA7123转换芯片
- SQL——数据库使用规范(入门规范)
- Python基础,类的继承,类的多态继承等
- 什么是ABCDMIX?
- ubuntu16.04+caffe+GTX1060+DIGITS安装方法
- 2023 hnust 湖南科技大学 大三下 人工智能导论课程 期中考试复习笔记
热门文章
- 零基础入门C 语言如何实现面向对象编程
- 索骥馆-DIY操作系统之《30天自制操作系统》扫描版[PDF]
- Django分页+增删改查
- Mycat 1.6日志分类-Sequoia数据库相关日志
- matlab实现模糊控制器并仿真,用Matlab实现空调温度模糊控制器的设计与仿真
- 浙江数字孪生数字化工厂三维激光扫描建模_三维可视化管理平台_吉优赛维_三维建模解决方案_3D模型
- Linux(CentOS)安装MySQL教程
- 第2章 关系数据库(数据库系统概论)
- C++ 中 substr 函数的用法
- partition by用法