【技术实现步骤摘要】
本专利技术涉及人工智能领域，具体涉及一种基于记忆网络的半监督异常检测方法和装置。
技术介绍
1、异常检测(ad)旨在识别明显偏离多数且不符合正常行为的稀有样本。异常检测是许多研究领域的关键任务，实际用例包括金融欺诈检测、医疗疾病检测、网络入侵检测等。由于有标签的异常样本的罕见性和高昂的成本，大多数异常检测工作都是在无监督的环境中实施的，其中所有的训练数据都是无标记的，或者在训练集中只有正常样本可用。然而，由于缺乏真实异常的先验知识，这些方法难以学习异常和正常数据的区别性表示，导致异常样本难以识别。
2、记忆网络最初用来描述文本回答中顺序数据的长期依赖性，其中记忆模块充当知识库。给定一个输入文本，它将动态更新以保留每句话的表示，并可以通过反向传播成功地进行端到端的训练。由此，记忆网络已经被用于各种应用，例如动作识别，对象跟踪，轨迹预测等。memae(memory-augmented autoencoder记忆增强自编码器)是第一个将记忆网络引入异常检测的方法，具体实现如下：
3、给定一个输入，memae首先从编码器
<本文档来自技高网...【技术保护点】
1.一种基于记忆网络的半监督异常检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，将检测数据输入自编码器进行编码，获得编码后检测数据的数据特征，包括：
3.根据权利要求1所述的方法，其特征在于，基于所述数据特征，在所述记忆模块中的每个记忆项中进行寻址，获得所述数据特征对应的注意力权重，包括：
4.根据权利要求1所述的方法，其特征在于，根据所述注意力权重对每个记忆项加权计算，获得注意力加权特征维度，包括：
5.根据权利要求1所述的方法，其特征在于，通过基于软屏蔽策略的异常评分约束，计算所述检测数据的异
【技术特征摘要】
1.一种基于记忆网络的半监督异常检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，将检测数据输入自编码器进行编码，获得编码后检测数据的数据特征，包括：
3.根据权利要求1所述的方法，其特征在于，基于所述数据特征，在所述记忆模块中的每个记忆项中进行寻址，获得所述数据特征对应的注意力权重，包括：
4.根据权利要求1所述的方法，其特征在于，根据所述注意力权重对每个记忆项加权计算，获得注意力加权特征维度，包括：
5.根据权...
【专利技术属性】
技术研发人员：乔媛媛，尹佳鑫，周子棠，林文辉，杨洁，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。