基于记忆增强的对抗自编码器异常检测算法

• 作者: 蔚焘 成卫青
• 来源期刊: 南京邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 异常检测 记忆网络 生成式对抗网络 对抗自编码器
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 计算机与自动控制|Computer and Automation
• 页码范围: 84-94
• 页数: 11页
• 分类号: TP391
• 语种: 中文
• DOI: 10.14132/j.cnki.1673-5439.2021.06.012

摘要

深度自编码器是异常检测领域中被广泛使用的深度学习模型.记忆增强的自编码器模型(Memory-augmented Autoencoder Model,MemAE)通过记忆增强模块解决传统自编码器泛化能力过强的问题,并取得了良好的效果.针对自编码器对于训练数据的正常模式提取能力有限这个问题,通过融合对抗自编码器(Adversarial Autoencoder,AAE)的对抗学习过程,提出基于记忆增强的对抗自编码器模型(Memory-augmented Adversarial Autoencoder Model,MemAAE).相比于原模型,增加判别器模块,将自编码器与记忆模块视为生成器,使生成器输出的聚合后验分布与先验分布相匹配,弥补了自编码器能力不足的缺点,提高了重构的效果,并在一定程度上避免了可能出现的模式崩溃问题.在多个文本数据集和MNIST图像数据集上的实验结果表明,改进之后的模型与已有的异常检测模型相比,文中提出的模型MemAAE总体性能更优.