Definitivamente hay algunos documentos al respecto, como [1703.05921] Detección de anomalías no supervisada con redes adversas generativas para guiar el descubrimiento de marcadores. No trabajo en la detección de anomalías, así que no he leído estos documentos y no sé mucho sobre cómo funcionan.
Vale la pena mencionar que también hay documentos sobre detección de anomalías utilizando entradas que se parecen a ejemplos adversos: https://arxiv.org/pdf/1706.02690…
Para las GAN, una cosa a tener en cuenta es que el discriminador no es un detector generalizado de cosas raras. Está tratando de saber si una muestra proviene de los datos reales o * una distribución específica que no es de datos: el generador *. Debido a eso, parece que el discriminador solo sería útil para la detección de anomalías si cree que puede hacer que su generador se parezca a las anomalías que espera detectar.
- ¿Cuál es la mejor manera de aprender la optimización numérica para el aprendizaje automático y el aprendizaje profundo?
- ¿Cómo se implementa una red neuronal convolucional (CNN) con la estructura de un árbol binario en TensorFlow?
- ¿Es necesario un conjunto de validación si no se realiza un ajuste de hiperparámetro?
- ¿Hay ejemplos de organizaciones de ciencias de la vida que logren resultados en el descubrimiento de drogas a través del aprendizaje automático que no serían posibles sin el aprendizaje automático?
- ¿Es cierto que las Redes Adversarias Generativas (GAN) aprenden la función de pérdida automáticamente, y si es así, cómo?
