OIL-AD: 一种适用于顺序决策序列的异常检测框架
原文约300字，阅读约需1分钟。发表于：。提出了一种名为 Offline Imitation Learning based Anomaly Detection (OIL-AD) 的无监督方法，使用行动优化和顺序关联两个抽取的行为特征来检测决策序列中的异常，通过学习 Q 函数和状态值函数从正常轨迹中提取这两个特征，实现了在线异常检测性能上显著提高，F1 分数比可比较的基线模型提高了 34.8%。
提出了一种名为Offline Imitation Learning based Anomaly Detection (OIL-AD)的无监督方法，使用行动优化和顺序关联两个抽取的行为特征来检测决策序列中的异常。通过学习Q函数和状态值函数从正常轨迹中提取这两个特征，实现了在线异常检测性能的显著提高，F1分数比可比较的基线模型提高了34.8%。
