異常検出のための敵対的学習1クラス分類器（ALOCC）のMNISTによる検討

カテゴリ: 研究会(論文単位)

論文No: PI20060,IIS20071

グループ名: 【C】電子・情報・システム部門 知覚情報/【D】産業応用部門 次世代産業システム合同研究会

発行日: 2020/10/20

タイトル(英語): Analysis of Adversarial Learning One-Class Classifier for Anomaly Detection by MNIST

著者名: 武名 佑起(静岡大学),大橋 剛介(静岡大学)

著者名(英語): Yuki Takena(Shizuoka University),Gosuke Ohashi(Shizuoka University)

キーワード: 深層学習|敵対的学習|教師なし学習|異常検知|ＭＮＩＳＴ|Deep learning|Adversarial learning|Unsupervised learning|Anomaly detection|MNIST

要約(日本語): 教師なし深層学習モデルである敵対的学習１クラス分類器(ALOCC)を用いることによって異常検出を行うことを目的としている．MNISTを用いた異常検出実験により敵対的学習１クラス分類器(ALOCC)の学習状況による出力の不安定性を示した．また，その出力を異常検出に用いる際の異常検出精度の検討を行った．

要約(英語): The purpose is to detect anomalies by using an adversarial learning one-class classifier(ALOCC) that is one of unsupervised deep learning models. Anomaly detection experiments using MNIST showed that the output of the adversarial learning one-class classifier(ALOCC) was unstable and, the output depended on the latent space.

原稿種別: 日本語

PDFファイルサイズ: 1,263 Kバイト