要約
私たちは、新たな堅牢な部分空間回復層（Robust Subspace Recovery layer: RSR 層）を用いた無教師異常検出のためのニューラルネットワークを提案します。この層は、与えられたデータの潜在表現から基礎となる部分空間を抽出し、その部分空間から離れた外れ値を取り除くことを目指しています。この層はオートエンコーダ内に使用されます。エンコーダはデータを潜在空間にマッピングし、そこからRSR層が部分空間を抽出します。その後、デコーダは基礎となる部分空間を元の内れ値に近い「多様体」へと滑らかに逆変換します。内れ値と外れ値は、元の位置とマッピング後の位置との距離に基づいて区別されます（内れ値の場合には距離が小さく、外れ値の場合には距離が大きい）。画像データセットおよび文書データセットを使用した広範な数値実験により、最先端の精度と再現率が示されています。注：「inliers」は一般的に「内れ値」と訳され、「outliers」は「外れ値」と訳されます。「manifold」は数学や機械学習において「多様体」と訳されることが多いです。