文献阅读·62-Variational Autoencoder based Anomaly Detection using Reconstruction Probability

Posted 2023-05-08

参考技术A   Variational autoencoder based anomaly detection using reconstruction probability.cited-228.
   unofficial,pytorch.

  vae，anomaly detection

  异常检测通常有基于统计的，基于邻近度以及基于偏差三种方式，本文的异常检测属于第三种方式。这种方式一般先求得样本 的低维流形嵌入 ，再从样本的低维表达重构回样本 ，最后通过计算重构误差 的大小来判别异常点。

  该文献采样VAE来完成低维嵌入和重构，与传统的PCA，AE等方法相比，具有如下优点：1）VAE的得到的低维表达是分布，而不是确定性的值，在表达上更平滑和有弹性；2）VAE的重构样本可以得到方差范围，对重构的表达更友好；3）最重要的是VAE不是使用误差来判别，而是使用概率来判别，适用性更广。

  模型基于VAE，其改变在于增加了关于样本的方差输出，用于判别样本的概率，算法上使用蒙特卡洛求重构样本关于低维分布的期望，采用半监督方式训练，具体如下（原文AL4）：

  实验在MNIST和KDD cup 1999 network intrusion数据集上完成。MNIST使用9个数字作为正常类训练，测试集含全部10个数字，然后区分出异常点。剩下个数据集不熟悉。结果如下（原文Fig4，5）：

[1] An, Jinwon, and Sungzoon Cho. "Variational autoencoder based anomaly detection using reconstruction probability." Special Lecture on IE 2.1 (2015).

点云配准文献阅读与简单实现

文献阅读 文献1 一. Deep learning-based dynamic object classification using LiDAR point cloud augmented by layer-based accumulation for intelligent vehicles 基