GANomaly: Semi-Supervised Anomaly Detection via Adversarial Training-1-论文学习
通过对抗训练实现半监督的异常检测 Abstract 异常检测在计算机视觉中是一个经典的问题，即从异常中确定正常，但是由于其他 ...
原文：关于《Detection of Adversarial Training Examples in Poisoning Attacks through Anomaly Detection》的阅读分享
Detection of Adversarial Training Examples in Poisoning Attacks through Anomaly Detection 阅读笔记 小组成员：岑鹏，吴易佳，秦红梅 . . . 背景 机器学习在我们的生活中有许多应用，包括计算机视觉，网络入侵检测等。但是 通过这些模型容易受到攻击。攻击者可以在训练数据中投放恶意样本来破坏学习过程。最近研究表 ...
2020-04-20 16:30 6 284 推荐指数：
相关推荐
Anomaly Detection
数据集中的异常数据通常被成为异常点、离群点或孤立点等，典型特征是这些数据的特征或规则与大多数数据不一致，呈现出“异常”的特点，而检测这些数据的方法被称为异常检测。 异常数据根据原始数据集的不同可以分为离群点检测和新奇检测： 离群点检测(Outlier Detection ...
《Opprentice: Towards Practical and Automatic Anomaly Detection Through Machine Learning》 笔记
以下我为这篇《Opprentice: Towards Practical and Automatic Anomaly Detection Through Machine Learning》做的阅读笔记 - Jeanva ABSTRACT However, even though dozens ...
黑盒对抗攻击论文《DaST: Data-free Substitute Training for Adversarial Attacks》阅读感想
论文链接：https://openaccess.thecvf.com/content_CVPR_2020/html/Zhou_DaST_Data-Free_Substitute_Training_for_Adversarial_Attacks_CVPR_2020_paper.html 先介绍对抗 ...
异常检测 简介 Anomaly Detection
Anomaly Detection，也叫做 异常检测，目的在于让机器知道我所不知道的事情。 1. 什么是 Anomaly（异常）？ 虽然说是 异常，但其实是以训练集为核心，判断输入数据是否与训练集中的数据 “类似”。在不同的领域可以有不同的叫法，比如：outlier ...
PP: Robust Anomaly Detection for Multivariate Time Series through Stochastic Recurrent Neural Network
PROBLEM: OmniAnomaly multivariate time series anomaly detection + unsupervised 主体思想： input: multivariate time series to RNN ------> capture ...
[论文理解] Unsupervised Anomaly Detection with Generative Adversarial Networks to Guide Marker Discovery
Unsupervised Anomaly Detection with Generative Adversarial Networks to Guide Marker Discovery Intro 本文提出利用GAN来做异常检测，大致思想为，先使用正常方式训练生成器G，训练完成后固定G的参数 ...
论文阅读 | Generating Natural Language Adversarial Examples through Probability Weighted Word Saliency
论文地址：https://www.aclweb.org/anthology/P19-1103/ 已有研究工作： 在文本的对抗样本领域，因为有词嵌入的存在，很难将特征空间的扰动向量映射到词汇表 ...