基于记忆增强的对抗自编码器异常检测算法

摘要：

深度自编码器是异常检测领域中被广泛使用的深度学习模型.记忆增强的自编码器模型(Memory-augmented Autoencoder Model,MemAE)通过记忆增强模块解决传统自编码器泛化能力过强的问题,并取得了良好的效果.针对自编码器对于训练数据的正常模式提取能力有限这个问题,通过融合对抗自编码器(Adversarial Autoencoder,AAE)的对抗学习过程,提出基于记忆增强的对抗自编码器模型(Memory-augmented Adversarial Autoencoder Model,MemAAE).相比于原模型,增加判别器模块,将自编码器与记忆模块视为生成器,使生成器输出的聚合后验分布与先验分布相匹配,弥补了自编码器能力不足的缺点,提高了重构的效果,并在一定程度上避免了可能出现的模式崩溃问题.在多个文本数据集和MNIST图像数据集上的实验结果表明,改进之后的模型与已有的异常检测模型相比,文中提出的模型MemAAE总体性能更优.

关键词：异常检测;记忆网络;生成式对抗网络;对抗自编码器

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省研究生教育教学改革课题资助项目

在线出版日期：2022-03-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：84-94