Мало знаний, большой вызов! Эта статья участвует в " Необходимые знания для программистов «Творческая деятельность
Эта статья также участвует "Проект "Звезда раскопок"" , чтобы выиграть творческие подарочные наборы и бросить вызов творческим поощрениям
Обобщая несколько статей об обнаружении выбросов на графах атрибутов за 19 лет, цель исследования сосредоточена на неконтролируемых статических графах атрибутов. Других подобных статей топ-собрание за последние годы не нашло.
первый раз
Zong B, Song Q, Min M R, et al. Deep autoencoding gaussian mixture model for unsupervised anomaly detection[J]. 2018.
Предыдущая работа заключается в сопоставлении многомерного вектора структуры карты топологии с низкоразмерным, а затем в оценке плотности. Это первый случай совместной оптимизации AE и GMM.
Вторая статья:
После использования gcn сконструируйте потерю атрибута и потерю структуры соответственно. Были введены дроби.
Статья 3
Справочная информация. Текущие методы основаны на предположении об изоморфизме: связанные узлы имеют сходные свойства узлов. Поэтому топологические отношения могут быть введены путем минимизации атрибутивных расстояний связанных узлов. Существующие методы gcn позволяют каждому узлу взаимодействовать со своими соседями, но этот метод сглаживает свойства узлов и игнорирует глобальные аномалии. Проблемы, решаемые в этой статье 1. Как определить исключения 2. Как решить проблему чрезмерной гладкости gcn.
определение исключения
Глобальное исключение: в случае простого просмотра атрибутов атрибуты узла отличаются от целого.
Аномалия сообщества: i-узел и его соседи имеют разные атрибуты.
AE используется для глобальных аномалий, а AE gcn используется для аномалий сообщества. Поместите скрытый вектор в модель смеси Гаусса, и те, что на стороне 2 модели смеси Гаусса, можно рассматривать как аномальные точки.
Подводя итог современным методам неконтролируемого обнаружения аномалий:1. Потери при реконструкции на основе АЭ 2. На основе оценки плотности 3. Применима комбинация АЭ + оценка плотности. Например, спецАЕ. В настоящее время кажется, что основное внимание в этих документах уделяется тому, как определить исключения и как лучше представить характеристики узла.
Сосредоточьтесь на передовых достижениях в области машинного обучения и алгоритмов управления рисками и делитесь техническими статьями, такими как соревнования по интеллектуальному анализу данных, машинное обучение, анти-мошенничество и системы рекомендаций. Приходите и следуйте за мной, чтобы учиться вместе!