1. どんなもの？

非線形かつ、ロバスト性が高く、未知のデータにも対応できるRobust Autoencorderの提案。

2. 先行研究と比べてどこがすごいの？

既存の異常検知にはそれぞれ以下の欠点がある。
・PCA
極端な異常データに対して過剰に反応してしまう
・Robust PCA
極端な異常データに対して強いが、非線形表現はできない。さらに未知のデータについて予測できない。

上記問題に対して、提案するRobust Autoencorderはロバスト性が高く、非線形表現が可能となる。未知のデータについても対応可能。

3. 技術や手法の”キモ”はどこにある？

4. どうやって有効だと検証した？

以下のデータセットを用いて、2つの検証を実施。
レストランの
USPSの手書き文字

5. 議論はあるか？

6. 次に読むべき論文はあるか？

論文情報・リンク

• Raghavendra Chalapathy (University of Sydney and Capital Markets Cooperative Research Centre (CMCRC)), Aditya Krishna Menon (Data61/CSIRO and the Australian National University), Sanjay Chawla (Qatar Computing Research Institute (QCRI), HBKU)，”Robust, Deep and Inductive Anomaly Detection” arXiv，2017年 論文リンク