Improved AutoEncoder With LSTM Module and KL Divergence for Anomaly Detection

The task of anomaly detection is to separate anomalous data from normal data in the dataset. Models such as deep Convolutional AutoEncoder (CAE) and deep support vector data description (SVDD) have been universally used and have demonstrated significant success in detecting anomalies. However, the o...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on instrumentation and measurement Ročník 73; s. 1 - 11
Hlavní autoři:	Huang, Wei, Zhang, Bingyang, Zhang, Kaituo, Gao, Hua, Wan, Rongchun
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 2024 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Accuracy Anomalies Anomaly detection autoencoder Data analysis Data models Datasets deep support vector data description (Deep SVDD) Feature extraction hypersphere collapse Long short term memory LSTM Mathematical models Modules Training Vectors
ISSN:	0018-9456, 1557-9662
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!