17日前

DASVDD:異常検出のための深層自己符号化サポートベクタデータ記述子

Hadi Hojjati, Narges Armanfard
DASVDD:異常検出のための深層自己符号化サポートベクタデータ記述子
要約

半教師あり異常検出は、正常データに基づいて訓練されたモデルを用いて、正常なサンプルから異常を検出することを目的としている。近年の深層学習の進展に伴い、研究者たちは効率的な深層異常検出手法を設計している。従来の手法では、一般的にニューラルネットワークを用いてデータをより情報豊かな表現に写像し、その後、異常検出アルゴリズムを適用する。本論文では、自己符号化器(autoencoder)のパラメータを同時に学習しつつ、潜在表現上における包囲超球(enclosing hyper-sphere)の体積を最小化する手法、DASVDDを提案する。本手法では、自己符号化器の再構成誤差と、潜在表現における包囲超球の中心からの距離を組み合わせた異常スコアを定義している。この異常スコアを最小化することで、訓練過程において正常クラスの潜在分布を適切に学習することが可能となる。異常スコアに再構成誤差を組み込むことにより、DASVDDは、潜在表現上ですべての入力を定数点にマッピングする自明な解に収束してしまうという一般的な超球収縮(hypersphere collapse)問題を回避できる。複数のベンチマークデータセットにおける実験評価の結果、提案手法は一般的に用いられる最先端の異常検出アルゴリズムを上回る性能を発揮するとともに、異なる異常クラスにわたり堅牢な性能を維持することが示された。

DASVDD:異常検出のための深層自己符号化サポートベクタデータ記述子 | 最新論文 | HyperAI超神経