В е с т н и к алматинского университета

Вестник Алматинского университета энергетики и связи № 3 (58) 2022
 
20 
предложена новая модель с генеративными состязательными сетями двойного кодера-декодера (DED) для 
обнаружения аномалий, когда модель обучается без каких-либо аномальных шаблонов. Подход DED 
использовался для отображения входных изображений высокой размерности на низкоразмерное 
пространство, через которое получаются скрытые переменные. Сведение к минимуму изменения скрытых 
переменных в процессе обучения помогает модели изучить распределение данных. Обнаружение аномалий 
достигается путем вычисления расстояния между двумя низкоразмерными векторами, полученными от 
двух кодеров.
Авторы работы также считают, что данный метод обладает лучшей точностью и оценкой F1 по 
сравнению с традиционными моделями обнаружения аномалий. Новая архитектура с конвейером DED 
предназначена для захвата распределения изображений в процессе обучения, чтобы аномальные образцы 
идентифицировались точно. Введена также новая весовая функция для контроля доли потерь на этапах 
восстановления кодирования и состязательности для достижения лучших результатов. В результате 
предложенная модель обнаружения аномалий оказалась более производительной по сравнению с 
предыдущими современными подходами. На рисунке 4 приведен полученный результат при обработке 
набора данных CIFAR10. 
Рисунок 4 – Показатели AUC (площадь под кривой рабочей характеристики приемника) по набору данных 
CIFAR10 [12] 
В работе [13] предложен новый улучшенный автоэнкодер (нейронная сеть, которая копирует входные 
данные на выход) для неконтролируемого автоэнкодера для решения UAD. Включение глубокой потери 
SVDD в структуру автоэнкодера позволяет обоим процессам взаимодействовать друг с другом, выполняя 
задачу обучения. В частности, предложенный метод позволяет получить лучшее представление, 
подходящее для задач обнаружения аномалий, а также сохранить локальную структуру данных. Кроме 
того, предложена новая стратегия оценки для методов обнаружения аномалий на основе автоэнкодера, 
которая использует соотношение расстояний в пространстве объектов вместо реконструкции потерь. Новая 
система подсчета очков неизменно превосходит традиционную стратегию подсчета очков и в то же время 
более стабильна, что демонстрировано экспериментами. Недостатком предложенного метода является то, 
что он не показывает большого прироста производительности на сложных наборах данных. 
Аномалии имеют широкие закономерности, соответствующие их причинам. В промышленности 
аномалии обычно наблюдаются в виде отказов оборудования. Обнаружение аномалий направлено на 
выявление таких сбоев, как аномалии. Хотя обычно это задача двоичной классификации, потенциальное 
существование невидимых (неизвестных) сбоев усложняет эту задачу. 
Обычные контролируемые подходы подходят для обнаружения видимых аномалий, но не для 
невидимых аномалий. Хотя неконтролируемые нейронные сети для обнаружения аномалий теперь хорошо 

---