实体
AdBench
AdBench
PulseAugur coverage of AdBench — every cluster mentioning AdBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新理论解释异常值检测中的内点记忆效应 · arXiv 论文
研究人员开发了一个理论框架来解释内点记忆（IM）效应，即深度学习模型在学习异常模式之前先学习正常数据模式的现象。通过研究一个简单的自编码器，该研究展示了模型如何在早期训练阶段记忆内点而未能记忆异常点。研究结果为改进异常值检测方法提供了实用指南，包括数据预处理和参数初始化，从而在 ADBench 数据集上取得了最先进的性能。
-
扩散模型在各类数据异常检测方面取得进展
研究人员正在探索使用掩码扩散模型对表格数据、文本和集成电路（IC）测量等各种数据类型进行异常检测。这些模型通过评估重构数据掩码部分数据的难度来学习识别与正常数据分布的偏差。一种提出的方法 MaskDiff-AD 在表格和文本数据集上表现出有竞争力，优于现有基线。另一种方法 Diffuse to Detect 利用扩散 Transformer 进行 IC 测试中的无监督异常检测，在具有极端类别不平衡的工业数据上取得了最先进的结果。另一项…
-
MacrOData基准套件为表格异常检测提供数千个数据集
研究人员推出了MacrOData，这是一个旨在改进表格数据异常检测方法评估的新基准套件。该套件通过包含超过2400个数据集，将现有基准（如AdBench）进行了显著扩展，这些数据集被分为现实世界语义异常、统计异常和合成数据。MacrOData旨在为评估各种异常检测技术（包括经典模型、深度模型和基础模型）提供一个更全面、统计上更稳健的平台。该基准套件及其相关的在线排行榜已公开发布，以支持未来的研究。