Kernel Contraction Matching

新的正则化技术解决异常检测中的收敛崩溃问题

研究人员发现了一种在某些异常检测模型中称为“收敛崩溃”的现象。当以最小化均方误差损失为目标的模型在改进过程中，检测异常的能力反而下降时，就会发生这种情况。该问题源于模型学会了即使对于异常数据也进行跟踪，从而消除了残差信号。为解决此问题，该论文提出了核锚定局部性正则化（KAR），它通过惩罚与训练目标核加权平均值的偏差来约束模型的预测。该方法旨在防止崩溃并增强异常检测能力。