基于记忆增强GAN的异常检测

摘要：

基于生成式对抗网络(Generative Adversarial Networks,GAN)的异常检测方法在训练阶段训练集仅由正常数据构成,当训练数据较为充分时,它在该训练集上能够取得较小的重构误差.然而在测试阶段,正常数据的重构误差和部分异常数据的重构误差之间的差别很小,使得基于GAN的异常检测方法的判别性能较差.为了解决该问题,提出了基于记忆增强GAN的异常检测方法.在基于GAN的异常检测方法中加入记忆增强模块,使模型能够记忆正常数据的特征,从而使得异常数据的重构误差变大,该方法的判别性能得到增强.在MNIST,Fashion-MNIST和CIFAR-10上的实验结果表明,与相关方法相比,所提方法具有更优的检测性能.

关键词：异常检测、生成式对抗网络、记忆增强、MNIST

所属期刊栏目：49

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;河北省自然科学基金;河北大学高层次人才科研启动项目

在线出版日期：2023-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：249-257