ホットトピック継続更新中
柯西位移网络被提出用于高效表格异常检测
1 件の報道1 件の報道元10 時間前 更新
まずこの件を把握する
AI 概要
2026年11月2日，arXiv机器学习领域发布论文，提出了一种用于表格异常检测的新型模型——柯西位移网络（Cauchy Displacement Network，简称 CDN）。该模型将异常视为残差，利用单隐层柯西网络将正常数据点回归至其 k 近邻均值，并依据预测的位移长度进行异常评分。在 46 个基准数据集与 28 个基线模型的对比实验中，CDN 在 AUC-ROC 和 AUC-PR 指标上均取得了最佳平均排名。此外，CDN 展现出极高的推理效率，在单 CPU 线程下几毫秒内即可处理 10^4 个查询，相比基于邻域的传统检测器最高提速达 3 个数量级。
AI が報道をもとに生成 · 10 時間前 更新
最新の進展11月2日 13:00
新模型 CDN 在 46 个基准数据集上取得最佳平均排名，处理速度比传统邻域检测器快最多 3 个数量级。報道タイムライン
報道をたどり、出来事のさまざまな側面を知る。
11月2日
- arXiv 机器学习将异常视为残差：Cauchy Displacement Networks
新提出的表格异常检测模型 Cauchy Displacement Network（CDN），通过单隐层柯西网络将正常点回归至 k 近邻均值，并以预测位移长度评分。在 46 个基准数据集与 28 个基线对比中，CDN 在 AUC-ROC 和 AUC-PR 均取得最佳平均排名。其在单 CPU 线程下几毫秒即可处理 10^4 个查询，比基于邻域的检测器快最多 3 个数量级。
このストーリーのホット度の推移
現在のホット度 8·比較可能範囲のピーク 10（11月2日 14:00）·直近24時間の比較可能な変化–
トレンドは継続して完全に観測した同じ主体のみを比較するため、現在のホット度の集計より範囲が狭い場合があります。ポインターの移動やタップで1時間ごとのホット度を確認でき、キーボードでは左右の矢印キーで切り替えられます。