arXiv 机器学习· Jos\'e Lucas De Melo Costa, Fabrice Popineau, Arpad Rimmel, Bich-Li\^en Doan·· 5 小时前AI 评分35
利用核锚定局部正则化缓解固定目标异常检测器的收敛坍塌
Mitigating Convergence Collapse in Fixed-Target Anomaly Detectors via Kernel-Anchored Locality Regularization
AI 导读
针对固定目标异常检测器在充分优化后外推残差信号消失导致的收敛坍塌问题，研究提出了核锚定局部正则化（KAR）。该研究同时提出了闭式解、无须训练且 CPU 高效的核收缩匹配（KCM），在 ADBench 基准上媲美神经网络基线；KAR 则通过惩罚偏离训练目标的行为，在 ADBench 数据集和三种主干网络上显著缓解了坍塌并提升了 AUROC。
来源：arXiv 机器学习 · arxiv.org