Постоянно обновляемый репозиторий методов обнаружения глубоких аномалий с открытым исходным кодом.

Воспроизводимость сейчас имеет решающее значение для развития всех областей машинного обучения и методов искусственного интеллекта, включая обнаружение аномалий. В последнее время было разработано большое количество методов, основанных на глубоком обучении, для обнаружения аномалий. Мы написали обзорную статью для этого направления, чтобы дать ключевое представление о развитии, проблемах и возможностях области, которая опубликована в ACM Computing Surveys и доступна для общественности на



Глубокое обучение для обнаружения аномалий: обзор
Обнаружение аномалий, также известное как обнаружение выбросов или обнаружение новшеств, было длительной, но активной областью исследований в…arxiv.org



В статье, чтобы облегчить и повысить воспроизводимость в этой области, мы собираем и обобщаем набор методов обнаружения глубоких аномалий с открытым исходным кодом в дополнительных материалах, как показано ниже.

Чтобы поддерживать этот список в актуальном состоянии, мы создаем репозиторий на GitHub для постоянного обновления этой коллекции, которая включает в себя методы, обсуждаемые в обзорном документе, а также некоторые другие методы, пропущенные в документе, и недавно представленные методы. См. ниже краткий снимок списка

GitHub выглядит следующим образом.



GitHub — GuansongPang/SOTA-Deep-Anomaly-Detection: Список реализации глубокой аномалии SOTA…
В этом репозитории мы предоставляем постоянно обновляемую коллекцию реализации глубокой аномалии SOTA. обнаружение аномалий…github.com