ICML-2018

参考

- https://www.zhihu.com/question/22365729/answer/115048306
- https://zhuanlan.zhihu.com/p/32784067
- https://blog.****.net/qq_33880788/article/details/79550723

前言

• OC-SVM
• SVDD

速览

经典的AD方法，例如单类SVM（OCSVM）（Scholkopf等，2001）或核密度估计（KDE）（Parzen，1962），由于计算可扩展性差，并且在高维数据场景中经常失败，为了有效，这种浅层方法通常需要大量的特征工程。

目前基于深度学习的AD的方法已经显示出有希望的结果，但是几乎所有现有的深度AD方法都依赖于重构误差（自编码器、GAN）, 自动编码器的目标是降低维数，不直接针对AD。如何选择正确的压缩程度，是AD应用自动编码器的主要困难。GAN的主要困难是如何设计合适的生成器。

细节