文献

J-GLOBAL ID：202002293671834475   整理番号：20A0478776

Advae:異常検出のためのGauss型異常事前知識を持つ自己敵対型変分自動符号器【JST・京大機械翻訳】

adVAE: A self-adversarial variational autoencoder with Gaussian anomaly prior knowledge for anomaly detection

著者 (6件)： Wang Xuhong (Shanghai Jiao Tong University, Shanghai, China) ,  Du Ying (Shanghai Jiao Tong University, Shanghai, China) ,  Lin Shijie (Wuhan University, Wuhan, China) ,  Cui Ping (Shanghai Jiao Tong University, Shanghai, China) ,  Shen Yuntian (University of California, Davis, USA) ,  Yang Yupu (Shanghai Jiao Tong University, Shanghai, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 190  ページ： Null  発行年： 2020年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 最近,深い生成モデルは,教師なしの異常検出においてますます一般的になった。しかし,深い生成モデルは異常を検出するよりもむしろデータ分布を回復することを目的としている。さらに,深い生成モデルには,異常検出性能に及ぼす悲stな影響を持つ,過剰適合訓練サンプルのリスクがある。上記の2つの問題を解決するために,著者らは,Gauss異常事前仮定を有する自己対数変分自動符号器(adVAE)を提案した。異常と正規の事前分布の両方がGauss型であり,潜在空間で重なっていると仮定した。したがって,Gauss変換器ネットTは,異常であるがほぼ正常な潜在的変数を合成するために訓練される。変分自動符号器のオリジナルの訓練目的を保ち,発電機GはEにより符号化された通常の潜在的変数とTにより合成された異常な潜在的変数を区別することを試み,Gの出力が実際であるかどうかを識別するためにエンコーダEを訓練した。これらの新しい目的は,GとEの両方を識別する能力を与えるだけでなく,過剰適合を防ぐための付加的な正則化機構にもなる。他の競合法と比較して,提案したモデルは広範な実験において著しい改善を達成した。使用したデータセットと著者らのモデルはGitHubリポジトリで利用可能である。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *正規分布 ,  対数 ,  *符号器 ,  正則化 ,  リポジトリ ,  *変分法 ,  変換器
準シソーラス用語： 事前分布 ,  生成モデル ,  *事前知識 ,  異常検出 , 【Automatic Indexing@JST】

著者キーワード (5件)： 異常検出 ,  異常値検出 ,  新規性検出 ,  深部生成モデル ,  変分オートエンコーダ

分類 (4件)： システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z) ,  その他の情報処理  (JE15050M) ,  データ保護  (JD01020V)

タイトルに関連する用語 (7件)： 異常検出 ,  Gauss型 ,  事前知識 ,  自己 ,  敵対 ,  変分 ,  符号器