Core Concepts
本研究では、オートエンコーダのフレームワークを利用し、入力データの確率分布を学習することで、異常検知を行う手法を提案する。提案手法は、既存手法と比較して優れた性能を示す。
Abstract
本研究では、オートエンコーダを用いた異常検知手法を提案している。主な内容は以下の通り:
オートエンコーダのエンコーダ部とデコーダ部を敵対的に学習することで、入力データの確率分布を正確に学習する。
学習した確率分布に基づいて、入力データが通常データ(インライア)かどうかを判定する。
提案手法は、MNIST、Coil-100、Fashion MNISTデータセットで評価され、既存手法と比較して優れた性能を示す。
具体的な手順は以下の通り:
エンコーダgとデコーダmを敵対的に学習し、入力データの確率分布を学習する。
学習した確率分布に基づいて、入力データがインライアかアウトライアかを判定する。
再構成誤差も考慮することで、より正確な異常検知を行う。
提案手法は、既存手法と比較して優れた性能を示しており、異常検知の分野において有効な手法であると考えられる。
Stats
入力データxと再構成データmの間の誤差は以下のように表される:
error x g m = -log p(m|g(x))