‹ arXiv cs.LG

Vendi 异常评分可实现高效、准确的异常检测

原文:Vendi Anomaly Scores for Efficient and Accurate Anomaly Detection

arXiv cs.LG 未缓存正文

异常检测 (AD) 对于值得信赖的机器学习和科学发现至关重要。现有方法通常通过局部密度、隔离启发式或距拟合分布的距离来定义异常,这使得它们对邻域尺度、分区选择或限制性分布假设敏感。在这项工作中,我们通过制定异常引入了一种新的范式

正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。

抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。

打开原文 ↗

正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。

相关报道同一事件 / 同分类