-
题名散列记忆网络增强的自编码器异常检测方法
被引量：2
- 1
-
-
作者
代劲
王银宗
-
机构
重庆邮电大学软件工程学院
重庆邮电大学计算机科学与技术学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2024年第6期1301-1310,共10页
-
基金
国家自然科学基金项目(61772096)资助
重庆市自然科学基金项目(cstc2021jcyj-msxm X0849)资助。
-
文摘
深度自编码器是异常检测的重要工具,通过异常样本由于分布的差异,无法在编码器中进行重构这一假设实现对异常的检测.而实际应用中,由于深度自编码器的泛化性较强,异常输入后也能实现较好重构,导致漏检情况发生.本文在改进注意力机制基础上,构建了一个散列记忆网络增强的自编码器异常检测方法,较好解决了这一问题.首先,模型将输入编码为编码信息,根据编码信息获取子查询向量,然后通过子查询向量获取子注意力权重及对应子索引,再将子权重交叉求和获得散列权重及索引并从记忆网络单元检索出解码信息,最后利用解码信息进行重构输出.重构的输出总是与正常数据相似,使得异常输入与重构输出之间的重构误差将被放大,从而让异常更容易被识别.仿真实验表明,本文提出方法在图像、视频监控、通用异常检测任务中,均取得了较好的检测效果.
-
关键词
异常检测
散列记忆网络
无监督
深度自编码器
-
Keywords
anomaly detection
hash memory network
unsupervised
deep autoencoder
-
分类号
TP389
[自动化与计算机技术—计算机系统结构]
-
