Cauchy 位移网络将邻域异常检测转为快速前向评分

Yang Cao 和 Zihao Guo 提出 Cauchy 位移网络（CDN），将基于邻域几何结构的异常检测转化为单隐藏层神经网络的前向计算，通过预测样本相对正常邻域均值的位移向量长度评估异常程度。 该方法利用 Cauchy 激活函数训练网络，使其学习将正常样本映射到其 k 近邻的均值。论文在 46 个基准数据集、28 种对比方法上的评估中，CDN 在 AUC-ROC 和 AUC-PR 两项指标上均取得最佳平均排名。作者称，单线程 CPU 几毫秒即可为 1 万个查询样本评分，速度最高比基于邻域的方法快三个数量级，且模型大小不随训练集规模增长。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。