Глубокое обучение для обнаружения аномалий

Deep Learning for Anomaly Detection: A Review
Guansong Pang, Chunhua Shen, Longbing Cao, Anton Van Den Hengel
2021-03-05

обнаружение аномалийглубокое обнаружение аномалийглубокое обучениеобнаружение новизныобнаружение выбросов
Обнаружение аномалий, также известное как обнаружение выбросов или обнаружение новизны, на протяжении нескольких десятилетий остается устойчивой, но активно развивающейся областью исследований в различных научных сообществах. По-прежнему существуют уникальные сложности и проблемы, требующие применения передовых подходов. В последние годы обнаружение аномалий с использованием глубокого обучения, или глубокое обнаружение аномалий, стало важным направлением исследований. В статье представлен обзор исследований в области глубокого обнаружения аномалий на основе всеобъемлющей таксономии, охватывающей достижения в трех категориях верхнего уровня и одиннадцати детализированных категориях методов. Рассматриваются ключевые идеи, целевые функции, лежащие в основе допущения, преимущества и недостатки методов, а также обсуждается, каким образом они решают упомянутые выше проблемы. Кроме того, обсуждаются возможные перспективы дальнейших исследований и новые подходы к решению этих проблем.
1
Глубокое обнаружение аномалий стало важным направлением исследований благодаря недавним достижениям глубокого обучения.
2
Статья определяет перспективные направления и новые подходы для решения нерешённых сложностей в обнаружении аномалий.
3
Статья предлагает всеобъемлющую таксономию методов глубокого обнаружения аномалий, включающую три укрупнённые и одиннадцать детализированных категорий.
4
В обзоре анализируются интуитивные основы методов, целевые функции, предположения, преимущества, недостатки и способы решения ключевых задач обнаружения аномалий.

методы глубокого обнаружения аномалий

их таксономии, интуитивные основы, целевые функции, допущения, преимущества, недостатки и способность решать задачи обнаружения аномалий

Publication Details
Publication Date
2021-03-05
Journal
ACM Computing Surveys
Publisher
Association for Computing Machinery
ISSN
0360-0300
Cited by
4013
Access Type
Author Information
Authors
Guansong Pang
Chunhua Shen
Longbing Cao
Anton Van Den Hengel
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%