无监督异常检测之LSTM组成的AE
我本来就是处理时间序列异常检测的，之前用了全连接层以及CNN层组成的AE去拟合原始时间序列，发现效果不佳。当利用LSTM组成AE去拟合时间序列时发现，拟合的效果很好。但是，利用重构误差去做异常检测这条路依旧不通，因为发现异常曲线的拟合效果也很好……算了，这次先不打算做时间序列异常检测了。在这里 ...
原文：无监督异常检测之卷积AE和卷积VAE
尝试用卷积AE和卷积VAE做无监督检测，思路如下： .先用正常样本训练AE或VAE .输入测试集给AE或VAE，获得重构的测试集数据。 .计算重构的数据和原始数据的误差，如果误差大于某一个阈值，则此测试样本为一样。 对于数据集的描述如下： 本数据集一共有 个样本，每个样本是 行 列的向量，为了让它变成矩阵，自己在末尾补了一个 ，将其转变成 的矩阵。前 个是正常样本。后 个中，前 个是正常样本，之后 ...
2019-09-22 11:17 0 844 推荐指数：
相关推荐
使用GAN进行异常检测——可以进行网络流量的自学习哇，哥哥，人家是半监督，无监督的话，还是要VAE，SAE。
实验了效果，下面的还是图像的异常检测居多。 https://github.com/LeeDoYup/AnoGAN https://github.com/tkwoo/anogan-keras 看了下，本质上是半监督学习，一开始是有分类模型的。代码如下，生产模型和判别模型 ...
什么是卷积
目录 Feature maps Why not Linear 335k or 1.3MB em... Receptive Field ...
【机器学习】无监督学习Autoencoder和VAE
众所周知，机器学习的训练数据之所以非常昂贵，是因为需要大量人工标注数据。 autoencoder可以输入数据和输出数据维度相同，这样测试数据匹配时和训练数据的输出端直接匹配，从而实现无监督训练的效果。并且，autoencoder可以起到降维作用，虽然输入输出端维度相同，但中间层可以维度很小 ...
学习笔记TF057:TensorFlow MNIST，卷积神经网络、循环神经网络、无监督学习
MNIST 卷积神经网络。https://github.com/nlintz/TensorFlow-Tutorials/blob/master/05_convolutional_net.py 。TensorFlow搭建卷积神经网络(CNN)模型，训练MNIST数据集。 构建模型。 定义输入数据 ...
AIOps探索：基于VAE模型的周期性KPI异常检测方法——VAE异常检测
AIOps探索：基于VAE模型的周期性KPI异常检测方法 from:jinjinlin.com 作者：林锦进 前言 在智能运维领域中，由于缺少异常样本，有监督 ...
“半监督”异常检测方法GANomaly
原文标题：GANomaly: Semi-Supervised Anomaly Detection via Adversarial Training 原文链接：https://arxiv.org/abs/1805.06725 背景介绍 异常检测是计算机视觉领域一个比较经典的问题，它旨在区分正常 ...
全卷积目标检测：FCOS
全卷积目标检测：FCOS FCOS: Fully Convolutional One-Stage Object Detection 原文链接：https://arxiv.org/abs/1904.01355 代码链接：https://github.com/tianzhi0549/FCOS ...