Memorizing Normality to Detect Anomaly: Memory-augmented Deep Autoencoder for Unsupervised Anomaly D

背景和问题：用autoencoder来检测异常主要是通过在正常数据上进行训练，然后用真实的数据来测试。这样做是基于假设：在正常数据中训练后得到模型，然后将异常数据输入模型，异常数据会出现较大的重建误差而不能重建，正常数据重建误差小可以得到重建数据。作者发现在现实情况中，有些异常的组成非常像正常数据，甚至有些异常输入模型后重建误差并不特别大，这样异常就得到了重建。因此如何解决这一问题呢？ 方法：在e

>>阅读原文<<