Loading...
机构名称:
¥ 1.0

我们考虑在较少目标数据异常数据的异常检测中转移学习的问题。尽管在传统平衡分类中广泛考虑了转移学习,但在异常检测中转移的问题和分类设置不平衡的问题较少。我们提出了一个通用的元算法,理论上显示以产生强大的保证。与异常分布的一系列变化,同时也适合实际实施。然后,我们研究了基于多层神经网络的这种一般元吻合的不同实例,并从经验上表明,它们在传统平衡分类设置(目前是唯一可用的解决方案)上的自然传递方法的表现优于传统传输方法的表现。

转移异常检测的Neyman-Pearson算法

转移异常检测的Neyman-Pearson算法PDF文件第1页

转移异常检测的Neyman-Pearson算法PDF文件第2页

转移异常检测的Neyman-Pearson算法PDF文件第3页

转移异常检测的Neyman-Pearson算法PDF文件第4页

转移异常检测的Neyman-Pearson算法PDF文件第5页

相关文件推荐

2024 年
¥1.0