Papers with Code 아카이브
Anomaly Detection
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 28
- 평가표
- 76
- 보존된 평가 기록
- 669
Anomaly Detection is a binary classification identifying unusual or unexpected patterns in a dataset, which deviate significantly from the majority of the data. The goal of anomaly detection is to identify such anomalies, which could represent errors, fraud, or other types of unusual events, and flag them for further investigation.
[Image source]: GAN-based Anomaly Detection in Imbalance Problems
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
자율 커머스에서의 신뢰 구축: 검증 가능한 글로벌 이벤트 타임라인과 AI 준비형 사기 인텔리전스 층
악성 노드 환경에서 피어 투 피어 분산 LLM 추론의 무결성
MOF-Sleuth: 설명 가능한 세분화 MOF CIF 감사를 위한 도구 기반 보상 정렬
드리프트 인식 강화학습 기반 웨이블릿 노이즈 제거를 이용한 네트워크 트래픽 이상 탐지
DocShield: 증거 그라운딩 에이전트 추론을 통한 AI 문서 안전성
SynSur: 합성 산업 표면 결함 생성 및 검출을 위한 end-to-end 생성 파이프라인
BLUE: 효율적인 비전-언어 감시 분석을 위한 의미 보존 비디오 압축
우주 객체 행동 특성화를 위한 자기지도 학습 프레임워크
증거적 심층 학습을 위한 변분 추론
안전하고 윤리적인 자율주행차를 위한 휴먼 인 더 루프 머신러닝: 원리, 과제, 기회
플로우 기반 조건 생성에서의 내재적 외삽 인식
PhasorFlow: 단위원 기반 연산을 위한 Python 라이브러리
VAN-AD: 시계열 이상 탐지를 위한 Normalizing Flow 기반 시각 Masked Autoencoder
VLT: 산업 지능을 위한 비전-언어-시계열 다중모달 파운데이션 모델
에이전트 배포 안전성 대중화: 구조적 모니터링 접근법
XCT-SAM: 산업 XCT 결함 분할을 위한 SAM의 순차적 매개변수 효율 도메인 적응
SwinAD: 비지도 산업 이상 탐지를 위한 다단계 특징 재구성
카메라 변조 모니터링을 위한 렌즈 가림 및 광도학적 전환의 클린-레퍼런스 스트리밍 탐지
스트리밍 시스템에서 이벤트 트리거 LLM 호출을 위한 불확실성 인식 순차 의사결정 규칙
얽힘 벽: 활성화 공간 프로브는 문맥 판정기가 아닌 위험 탐지기
BARS: 네트워크 침입 탐지에서 오경보 감소를 위한 정상 앵커 기반 순위 및 선택
은행 거래 이상 탐지를 위한 설명 가능한 인공지능: 내부 감사 관점
다변량 풍력 발전단 SCADA 데이터 필터링을 위한 군집 알고리즘
CLIP 잠재 공간의 초구면 기하학: 의미적 혼합 모델
LLM 기반 네트워크 침입 탐지를 위한 트래픽 인식 무작위 평활화
지속적으로 진화하는 딥페이크 탐지: 동적 탐지 시스템의 아키텍처 및 공개 벤치마크 평가
AnomExpert: 산전 초음파 이상 진단을 위한 해부학적 단면 식별 및 선택
M2P-AD: 경계 인식 점수 정제를 갖춘 메모리-투-프로토타입 학습 기반 3D 이상 탐지
Kepler-Encoder-v0.1: 로봇을 위한 멀티모달 임베딩 모델을 향하여
표면 예측에서 관측 가능성 예측으로: 구름 인식 지구 관측(EO) 모니터링을 위한 잠재 월드 모델
다중모달 심장 PET/MRI 데이터 처리를 위한 새로운 비지도 기계학습 전략
사이버심리학에서의 AI: 피해자·공격자·방어자의 심리 분석을 통한 AI 기반 사이버보안 강화에 대한 체계적 문헌 고찰
교통 관리를 위한 비용 최적 파운데이션 모델 배포 포트폴리오
실제 텔레메트리 데이터에서 근본 원인 분석은 어디까지 가능한가?
분포 외 탐지를 위한 커널 PCA: 비선형 커널 선택 및 근사
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.