一类分类器-DSVDD

论文链接

文章目录

• • • 摘要
    • 1.介绍
    • 2.相关工作
    • 3.Deep SVDD
    • • 3.1 深度支持向量描述器目标

摘要

尽管深度学习在许多机器学习问题上取得了巨大的进步，但异常检测的深度学习方法相对缺乏。那些存在的方法包括训练网络来执行异常检测以外的任务，即生成模型或压缩，它们反过来适用于异常检测，他们没有训练基于异常检测的目标。在这篇文章中介绍一种新的异常检测方法-DSVDD，训练是基于异常检测目标的。对深层体制的适应需要我们的神经网络和训练过程满足某些性质，这是我们在理论上证明的。我们在MNIST和CIFAR-10(图像基准数据集)上证明了我们的方法的有效性以及检测对抗例子的GTSRB停止标志。

1.介绍

2.相关工作

3.Deep SVDD

3.1 深度支持向量描述器目标

主要思想：基于核支持向量描述器与最小化体积，寻找包含数据的最小超球体。