实体
Hypergraph Entropic Normal-World Model
Hypergraph Entropic Normal-World Model
PulseAugur coverage of Hypergraph Entropic Normal-World Model — every cluster mentioning Hypergraph Entropic Normal-World Model across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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 2 条
-
新的正常世界模型用稀缺数据改进异常检测
研究人员开发了一种新颖的复杂系统异常检测方法，解决了异常数据稀缺和二元标签信息有限的常见挑战。他们的方法，称为超图熵正常世界模型，侧重于利用丰富的正常数据来学习系统的正常运行状态。该模型将系统状态表示为条件超图，捕捉变量之间的高阶关系。然后通过考虑时间预测意外性、超图一致性和正常潜在流形偏差的熵感知能量得分来量化异常。该模型在 NASA C-MAPSS 涡轮风扇退化基准测试中表现强劲，在复杂的 FD004 子集上实现了 0.9983 …
-
新模型学习正常系统行为以进行罕见异常检测
研究人员开发了一种检测复杂系统异常的新方法，特别是在异常数据稀少的情况下。他们的方法，称为超图熵正常世界模型，侧重于从大量的正常数据中学习系统的“正常”行为。然后，该模型使用少数异常示例来校准正常性的边界，而不是试图学习所有可能的异常状态。该模型将系统状态表示为超图，并根据时间预测的意外性、超图一致性以及与学习到的正常流形偏差的组合来定义异常。该方法应用于 NASA C-MAPSS 涡轮风扇退化基准测试，取得了高 AUROC 分数，并…