人工智能研究的新前线：生成式对抗网络 被引量：82

1

作者 林懿伦 戴星原 +2 位作者 李力 王晓 王飞跃 《自动化学报》 EI CSCD 北大核心 2018年第5期775-792,共18页

生成式对抗网络(Generative adversarial networks,GAN)是当前人工智能学界最为重要的研究热点之一.其突出的生成能力不仅可用于生成各类图像和自然语言数据,还启发和推动了各类半监督学习和无监督学习任务的发展.本文概括了GAN的基本思... 生成式对抗网络(Generative adversarial networks,GAN)是当前人工智能学界最为重要的研究热点之一.其突出的生成能力不仅可用于生成各类图像和自然语言数据,还启发和推动了各类半监督学习和无监督学习任务的发展.本文概括了GAN的基本思想,并对近年来相关的理论与应用研究进行了梳理,总结了GAN常见的网络结构与训练方法,博弈形式,集成方法,并对一些应用场景进行了介绍.在此基础上,本文对GAN发展的内在逻辑进行了归纳总结. 展开更多

关键词 深度学习 生成式对抗网络 生成模型 对抗学习 平行学习

下载PDF 职称材料

结合深度学习和半监督学习的遥感影像分类进展 被引量：26

2

作者 谭琨 王雪 杜培军 《中国图象图形学报》 CSCD 北大核心 2019年第11期1823-1841,共19页

本文以结合深度学习的遥感影像特征提取和不充足样本下地物识别与分类作为出发点,对2017-2019年用于遥感图像处理中小样本训练的深度学习方法进行归类总结,介绍如何结合深度学习技术解决遥感影像在样本不充分情况下的有效训练问题,从深... 本文以结合深度学习的遥感影像特征提取和不充足样本下地物识别与分类作为出发点,对2017-2019年用于遥感图像处理中小样本训练的深度学习方法进行归类总结,介绍如何结合深度学习技术解决遥感影像在样本不充分情况下的有效训练问题,从深度生成模型、迁移学习以及一些高效特征提取网络3个方面进行全面剖析。首先,探讨了以GAN(generative adversarial network)和VAE(variational autoencoder)及其衍生结构在遥感技术中分类、变化检测上的应用;然后,在基于知识复用的辅助训练策略--迁移学习中主要从基于网络的迁移和基于数据结构的迁移两大类应用展开讨论;最后探讨了结合半监督学习和主动学习等思想的深度学习算法以及一些新颖的网络结构的应用。虽然深度学习在遥感技术领域发挥了极大的优势,性能也普遍超过了浅层的学习器,但结合物理模型的分析和高性能的实用性遥感应用仍需进一步发展与研究。 展开更多

关键词 遥感影像分类 深度学习 深度生成模型 半监督学习 迁移学习

原文传递

生成对抗网络图像处理综述 被引量：17

3

作者 朱秀昌 唐贵进 《南京邮电大学学报（自然科学版）》 北大核心 2019年第3期1-12,共12页

2014年提出的生成对抗网络(Generative Adversarial Networks,GAN)是近年来神经网络领域中为数不多的一项新锐技术。GAN在常见生成模型的基础上增加了一个判别模型,以形成巧妙的对抗学习机制,使它能够产生更高质量的图像。近年来各种改... 2014年提出的生成对抗网络(Generative Adversarial Networks,GAN)是近年来神经网络领域中为数不多的一项新锐技术。GAN在常见生成模型的基础上增加了一个判别模型,以形成巧妙的对抗学习机制,使它能够产生更高质量的图像。近年来各种改进型GAN在图像处理领域得到广泛应用,不但覆盖了几乎所有传统图像处理领域,还包括一些新应用,如图像编辑、图像翻译、风格转移等,普遍取得了胜过传统方法的良好结果。文中在简要分析GAN的系统结构、对抗生成和网络训练的基础上,重点介绍了为提高GAN性能、克服现存缺陷和满足不同应用而出现的多种改进型GAN,如DC-GAN、W-GAN、Big-GAN等。尽管如此,目前GAN尚处于初始发展阶段,将来的前途不可估量。 展开更多

关键词 深度学习 生成对抗网络 图像处理 生成模型 判别模型

下载PDF 职称材料

神经风格迁移模型综述 被引量：15

4

作者 唐稔为 刘启和 谭浩 《计算机工程与应用》 CSCD 北大核心 2021年第19期32-43,共12页

神经风格迁移技术主要用于对图像、视频等进行风格化,使其具有艺术美感,该领域极具应用价值,是人工智能的热门研究领域之一。为推动神经风格迁移领域的研究发展,对神经风格迁移技术进行了全面概述。简述了非真实感渲染技术和传统的纹理... 神经风格迁移技术主要用于对图像、视频等进行风格化,使其具有艺术美感,该领域极具应用价值,是人工智能的热门研究领域之一。为推动神经风格迁移领域的研究发展,对神经风格迁移技术进行了全面概述。简述了非真实感渲染技术和传统的纹理迁移技术。对现有神经风格迁移模型进行了分类整理,并详细探讨了各类代表性模型的算法原理及后续改进,分析了神经风格迁移技术的应用市场。提出对风格迁移模型质量的评判应该从定性评估和定量评估两个方面来考虑,并从各个角度讨论了现阶段风格迁移技术存在的问题以及未来研究方向。最后强调应提高模型的综合能力,在保证生成质量的情况下提升生成速度以及泛化能力。 展开更多

关键词 神经风格迁移 深度学习 卷积神经网络 生成模型 生成对抗网络

下载PDF 职称材料

基于生成对抗网络的数字图像修复技术 被引量：13

5

作者 李雪瑾 李昕 徐艳杰 《电子测量与仪器学报》 CSCD 北大核心 2019年第1期40-46,共7页

针对破损区域面积大的图像,在现有的图像修复方法中,往往会产生与周围区域不一致的扭曲结构或模糊的纹理。随着深度学习的发展和应用,基于生成对抗网络的方法,通过调节可用数据来生成缺失的内容。对于一个数据集,先将数据集中的样本解... 针对破损区域面积大的图像,在现有的图像修复方法中,往往会产生与周围区域不一致的扭曲结构或模糊的纹理。随着深度学习的发展和应用,基于生成对抗网络的方法,通过调节可用数据来生成缺失的内容。对于一个数据集,先将数据集中的样本解析成概率分布中的样本点,利用生成对抗网络快速生成出大量伪造图像,通过搜索最接近的已损坏图像的编码,然后这个编码通过生成模型来推断缺失内容。在此基础上,结合了语义损失函数和感知损失函数,并通过改进激活函数Sigmoid函数扩大了不饱和区域,解决了梯度易消失的问题。通过实验表明,方法成功的预测了图像中大面积缺失区域的信息,并实现了照片的真实感,比先前的方法产生更清晰更连贯的结果。 展开更多

关键词 图像修复 深度学习 生成对抗网络 生成模型 损失函数

下载PDF 职称材料

基于对抗生成网络的纹理合成方法 被引量：13

6

作者 余思泉 韩志 +1 位作者 唐延东 吴成东 《红外与激光工程》 EI CSCD 北大核心 2018年第2期34-39,共6页

纹理合成是计算机图形学、计算机视觉和图像处理领域的研究热点之一。传统的纹理合成方法往往通过提取有效的特征样式或统计量并在该特征信息的约束下生成随机图像来实现。对抗生成网络作为一种较新的深度网络形式,通过生成器和判别器... 纹理合成是计算机图形学、计算机视觉和图像处理领域的研究热点之一。传统的纹理合成方法往往通过提取有效的特征样式或统计量并在该特征信息的约束下生成随机图像来实现。对抗生成网络作为一种较新的深度网络形式,通过生成器和判别器的对抗训练能够随机生成与观测数据具有相同分布的新数据。鉴于此,提出了一种基于对抗生成网络的纹理合成方法。该算法的优点是不需要经过多次迭代就能够生成更真实纹理图像,且生成图像在视觉上与观测纹理图像一致的同时具有一定随机性。一系列针对随机纹理和结构性纹理的合成实验验证了该算法的有效性。 展开更多

关键词 纹理合成 深度学习 生成模型 对抗生成网络

下载PDF 职称材料

深度人脸伪造与检测技术综述 被引量：7

7

作者 谢天 于灵云 +2 位作者 罗常伟 谢洪涛 张勇东 《清华大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第9期1350-1365,共16页

由于现有深度人脸伪造软件通常是开源的或者被封装为APP免费分发,导致了虚假视频的泛滥。因此开展针对深度人脸伪造检测技术的研究就显得尤为重要。目前,深度人脸伪造及检测技术正处在快速发展时期,各种相应的算法也在不断更新迭代。本... 由于现有深度人脸伪造软件通常是开源的或者被封装为APP免费分发,导致了虚假视频的泛滥。因此开展针对深度人脸伪造检测技术的研究就显得尤为重要。目前,深度人脸伪造及检测技术正处在快速发展时期,各种相应的算法也在不断更新迭代。本文首先介绍了深度人脸伪造和其检测技术的代表性算法并给出简要分析,其中深度人脸伪造技术包括身份替换、面部重演、属性编辑、人脸生成等,检测技术包括图像级伪造检测技术和视频级伪造检测技术。然后归纳总结了常用的深度人脸伪造与检测数据集及不同算法的评估结果,最后讨论了伪造技术及其检测技术目前面临的主要问题及发展方向。 展开更多

关键词 深度人脸伪造 深度人脸伪造检测 深度生成模型 检测技术

原文传递

基于深度生成模型的煤矿运输皮带异物检测 被引量：7

8

作者 卢学明 于在川 许升起 《计算机系统应用》 2022年第5期358-363,共6页

为了能够精准地对煤矿皮带运输机上的异物进行检出,提出了一种基于深度生成模型的皮带异物检测方法.首先,利用常规的变分自编码器(variational autoencoder,VAE)对图像进行重构,根据原始图像与重构图像之间的重构误差对图像中是否存在... 为了能够精准地对煤矿皮带运输机上的异物进行检出,提出了一种基于深度生成模型的皮带异物检测方法.首先,利用常规的变分自编码器(variational autoencoder,VAE)对图像进行重构,根据原始图像与重构图像之间的重构误差对图像中是否存在异物进行检出.然后,为了解决变分自编码器所生成的重构图像通常较为模糊的问题,引入了生成式对抗网络(generative adversarial network,GAN),对原始图像和重构图像进行判断,获取更加清晰的重构图像,以便提升异物检测精度.最后,将变分自编码器与生成式对抗网络进行结合,设计一种适用于皮带异物检测的深度学习算法.实验结果表明,与基线方法对比,本文方法在各评价指标上均有较好的效果. 展开更多

关键词 异物检测 运输皮带 深度学习 深度生成模型 变分自编码器 生成式对抗网络

下载PDF 职称材料

自动驾驶安全关键场景生成技术综述 被引量：3

9

作者 王淳浩 闭家铭 +7 位作者 阮利 魏彤羽 任宇翔 黄镇 刘云韬 纪岳天思 SAW Yinxuan 肖利民 《信息与控制》 CSCD 北大核心 2024年第1期17-32,46,共17页

安全关键场景生成是自动驾驶的重要方向,在自动驾驶测试、汽车安全性评估和汽车安全标准构建等领域都有着很高的应用价值,是关系自动驾驶应用落地的关键。现有研究缺乏重点围绕安全关键场景生成技术的综述,因此本文对安全关键场景生成... 安全关键场景生成是自动驾驶的重要方向,在自动驾驶测试、汽车安全性评估和汽车安全标准构建等领域都有着很高的应用价值,是关系自动驾驶应用落地的关键。现有研究缺乏重点围绕安全关键场景生成技术的综述,因此本文对安全关键场景生成技术进行了系统性综述。首先,分析了安全关键场景生成技术的综述相关研究;其次,对安全关键场景生成模型进行了对比分析;再次,分类总结了基于聚类、贝叶斯网络和对抗网络的安全关键场景生成方法的进展;最后,对安全关键场景生成方法研究趋势进行了展望。 展开更多

关键词 自动驾驶汽车 安全关键场景 场景生成 深度生成模型

原文传递

生成对抗网络及其在神经影像应用中的研究进展 被引量：7

10

作者 康文杰 林岚 +1 位作者 孙珅 吴水才 《医疗卫生装备》 CAS 2020年第9期87-93,108,共8页

介绍了生成对抗网络(generative adversarial network,GAN)的基本模型和改进模型,综述了GAN在图像增广、跨模态生成、图像重建、图像分割、图像分类、目标检测等神经影像领域的应用,分析了GAN在神经影像领域应用中的优势和存在的问题,... 介绍了生成对抗网络(generative adversarial network,GAN)的基本模型和改进模型,综述了GAN在图像增广、跨模态生成、图像重建、图像分割、图像分类、目标检测等神经影像领域的应用,分析了GAN在神经影像领域应用中的优势和存在的问题,指出了GAN在神经影像领域的研究前景和未来的发展方向。 展开更多

关键词 深度学习 无监督学习 生成对抗网络 神经影像 生成模型 判别模型

下载PDF 职称材料

基于生成对抗网络的图像识别改进方法 被引量：7

11

作者 李凯 彭亦功 《计算机工程与设计》 北大核心 2019年第2期492-495,532,共5页

针对低分辨率、不清晰图像识别精度较低问题,提出基于生成对抗网络(GAN)的图像识别改进方法。通过GAN中的生成模型与判别模型之间的极大极小博弈,使生成模型获得修复不清晰图像的能力,由此生成模型与一般分类网络相结合生成新网络,可从... 针对低分辨率、不清晰图像识别精度较低问题,提出基于生成对抗网络(GAN)的图像识别改进方法。通过GAN中的生成模型与判别模型之间的极大极小博弈,使生成模型获得修复不清晰图像的能力,由此生成模型与一般分类网络相结合生成新网络,可从不清晰图片中提取准确的特征,提高对不清晰图像的识别精度。实验结果表明,改进方法对不清晰图像的识别精度有显著提升,对提高图像识别质量具有重要的价值。 展开更多

关键词 图像识别 不清晰图像 深度学习 生成对抗网络 生成模型

下载PDF 职称材料

基于增强型对抗学习的无参考图像质量评价算法 被引量：6

12

作者 曹玉东 蔡希彪 《计算机应用》 CSCD 北大核心 2020年第11期3166-3171,共6页

为了提高无参考图像质量评价(NR-IQA)方法的性能,参考先进的深度生成对抗网络(GAN)研究成果,提出一种基于增强型对抗学习的无参考图像质量评价算法,即通过改进损失函数、网络模型结构来增强对抗学习强度,输出更可靠的模拟“参考图”,进... 为了提高无参考图像质量评价(NR-IQA)方法的性能,参考先进的深度生成对抗网络(GAN)研究成果,提出一种基于增强型对抗学习的无参考图像质量评价算法,即通过改进损失函数、网络模型结构来增强对抗学习强度,输出更可靠的模拟“参考图”,进而可以像全参考图像质量评价(FR-IQA)方法一样模拟人的视觉比较过程。首先,利用数据集中失真的图像和未失真的原图像作为输入,从而基于增强对抗学习来训练网络模型;然后,利用该模型输出待测图像的模拟仿真图,提取仿真图的深度卷积特征;最后,将仿真图和待测失真图的卷积特征相融合,并输入到训练好的图像质量评价回归网络,输出图像的评测分数。在LIVE、TID2008和TID2013数据集上完成实验。实验结果表明,所提算法在图像质量上的总体客观评价性能优于当前的主流算法,与人的主观评价表现出的性能相一致。 展开更多

关键词 无参考图像质量评价 生成对抗网络 深度学习 生成模型 判别模型

下载PDF 职称材料

使用孪生注意力机制的生成对抗网络的研究 被引量：6

13

作者 武随烁 杨金福 +1 位作者 单义 许兵兵 《计算机科学与探索》 CSCD 北大核心 2020年第5期833-840,共8页

生成对抗网络(GAN)能够生成逼真的图像,已成为生成模型中的一个研究热点。针对生成对抗网络无法有效提取图像局部与全局特征间依赖关系以及各类别间的依赖关系,提出一种用于生成对抗网络的孪生注意力模型(TAGAN)。以孪生注意力机制为驱... 生成对抗网络(GAN)能够生成逼真的图像,已成为生成模型中的一个研究热点。针对生成对抗网络无法有效提取图像局部与全局特征间依赖关系以及各类别间的依赖关系,提出一种用于生成对抗网络的孪生注意力模型(TAGAN)。以孪生注意力机制为驱动,通过模拟局部与全局特征间的依赖关系以及各类别间依赖关系,对真实自然图像建模,创建逼真的非真实图像。孪生注意力机制包含特征注意力模型和通道注意力模型,特征注意力模型通过有选择地聚合特征,学习相似特征间的关联性,通道注意力模型通过整合各通道维度的相关特征,学习各通道的内部依赖关系。在MNIST、CIFAR10和CelebA64数据集上验证了所提出模型的有效性。 展开更多

关键词 深度学习 生成对抗网络(GAN) 生成模型 对抗学习 注意力机制

下载PDF 职称材料

基于扩散概率模型的非均一地震数据插值方法

14

作者 陈尧 于四伟 林荣智 《煤田地质与勘探》 EI CAS CSCD 北大核心 2024年第8期177-186,共10页

【目的】能源勘探领域长期面临非均一地震数据插值的难题。由于检波器无法精确放置在理论网格点,现有均一插值技术常导致结果存在偏差和细节失真。【方法】为解决此问题,提出一种基于扩散概率模型的非均一插值新方法。扩散概率模型是一... 【目的】能源勘探领域长期面临非均一地震数据插值的难题。由于检波器无法精确放置在理论网格点,现有均一插值技术常导致结果存在偏差和细节失真。【方法】为解决此问题,提出一种基于扩散概率模型的非均一插值新方法。扩散概率模型是一种新兴的生成式深度学习模型,分为扩散和生成两个过程。在扩散过程中,对完整地震数据迭代施加噪声,训练神经网络的去噪能力;在生成过程中,使用神经网络对噪声数据迭代去噪,得到重构数据。利用插值算子计算迭代数据与采集数据的偏差,作为神经网络的额外输入,提高扩散概率模型的非均一插值能力。在数值实验部分,使用二维合成数据集与实际数据集对非均一采样进行了测试,并使用均一插值模型与所提模型进行比较。【结果和结论】结果表明:该方法显著提升了扩散概率模型对非均一采样的处理能力,在合成数据与实际数据测试中,信噪比大约提高了7 dB,有效提高了深度学习方法对非均一插值的精度,为非均一地震数据插值算法提供了新的思路。 展开更多

关键词 地震数据插值 非均一采样 深度学习 生成式模型 扩散概率模型

下载PDF 职称材料

基于深度学习的电影智能化摄制技术研究

15

作者 胡堃 解沛 《现代电影技术》 2024年第3期12-19,共8页

近年来,深度学习(DL)技术在不同领域应用广泛,极大提升了各行业的生产效率。随着电影工业的发展,为更好将深度学习技术应用服务于电影产业,促进电影工业提质升级,本文以电影摄制全流程为主线,结合先进技术与实际应用,对目前深度学习技... 近年来,深度学习(DL)技术在不同领域应用广泛,极大提升了各行业的生产效率。随着电影工业的发展,为更好将深度学习技术应用服务于电影产业,促进电影工业提质升级,本文以电影摄制全流程为主线,结合先进技术与实际应用,对目前深度学习技术在电影智能化摄制各个环节上的研究进展进行了梳理与回顾,并结合现状对深度学习与电影摄制结合的发展需求和未来趋势进行了分析与展望,分析得出目前深度学习主要在语义分割与图像增强等方面已有较成熟应用,未来研究人员应在更具创造性的环节上加强研究,并更加关注版权规范。 展开更多

关键词 深度学习 电影摄制技术 神经网络 生成模型 智能化

下载PDF 职称材料

融合数据扩散算法与深度生成模型的单细胞特征提取研究

16

作者 苏秀秀 龙法宁 《基因组学与应用生物学》 CAS CSCD 北大核心 2024年第2期241-249,共9页

深度模型在单细胞转录组测序(single-cell transcriptome sequencing,scRNA-seq)中以单细胞分辨率提取基因的特征表达,但是scRNA-seq采集过程中存在“dropout”(数据缺失)问题,造成基因表达矩阵存在大量技术零值的噪声数据,部分基因间... 深度模型在单细胞转录组测序(single-cell transcriptome sequencing,scRNA-seq)中以单细胞分辨率提取基因的特征表达,但是scRNA-seq采集过程中存在“dropout”(数据缺失)问题,造成基因表达矩阵存在大量技术零值的噪声数据,部分基因间的关联性被噪声掩盖或影响。盲目地挖掘噪声数据往往会对深度学习模型的训练和推理过程产生消极影响,进而导致批次效应、虚假差异基因表达结果和性能下降等问题,掩藏真正的表达关系。针对以上问题,本文提出了一种融合单细胞转录组数据扩散算法的深度生成模型,通过数据扩散算法在相似的细胞之间分享信息,消除细胞计数矩阵中噪声的同时填补“dropout”现象,提高深度模型的聚类精度并有效去除批次效应。 展开更多

关键词 单细胞测序 转录组 数据扩散算法 深度生成模型 特征提取

原文传递

生成式人工智能与未来材料科学

17

作者 朱宏伟 《自然杂志》 CAS 2024年第1期46-49,共4页

人工智能是推动数据驱动科学飞速发展的强大动力。文章以深度学习在材料科学中的应用为例,介绍了生成式模型的概念,及其在新材料发现和自动化实验室等领域的应用。生成式人工智能不仅极大地加速了材料的研发进程,同时提高了整个研发过... 人工智能是推动数据驱动科学飞速发展的强大动力。文章以深度学习在材料科学中的应用为例,介绍了生成式模型的概念,及其在新材料发现和自动化实验室等领域的应用。生成式人工智能不仅极大地加速了材料的研发进程,同时提高了整个研发过程的透明度和可信度,开启了材料科学研究的新纪元。 展开更多

关键词 人工智能 深度学习 生成式模型 材料科学 自动化实验室

下载PDF 职称材料

强化学习引导模型生成的深度学习框架漏洞挖掘

18

作者 潘丽敏 刘力源 +1 位作者 罗森林 张钊 《北京理工大学学报》 EI CAS CSCD 北大核心 2024年第5期521-529,共9页

现有基于应用模型挖掘漏洞的方法随机生成模型的结构信息,容易造成大量低质测试用例的生成,严重影响漏洞挖掘的效率和效果.针对该问题提出了一种强化学习引导模型生成的深度学习框架漏洞挖掘方法.提取模型运行时的框架状态信息,包括Soft... 现有基于应用模型挖掘漏洞的方法随机生成模型的结构信息,容易造成大量低质测试用例的生成,严重影响漏洞挖掘的效率和效果.针对该问题提出了一种强化学习引导模型生成的深度学习框架漏洞挖掘方法.提取模型运行时的框架状态信息,包括Softmax距离、程序执行结果等,再将框架运行状态信息作为奖励变量指导模型结构与超参数的生成,进而提升测试用例的生成质量与效率.实验结果表明,在生成测试用例数量相同的条件下该方法能够发现更多深度学习框架的漏洞,实用价值高. 展开更多

关键词 深度学习框架 漏洞挖掘 生成模型 强化学习

下载PDF 职称材料

扩散张量图像去噪算法研究进展

19

作者 杨黎明 王远军 《波谱学杂志》 CAS 2024年第3期341-361,共21页

扩散张量成像是研究组织大脑微结构与白质纤维束分布的重要手段,然而受扩散加权信号衰减与长回波时间的影响,扩散张量图像存在严重的低信噪比问题.因此,有效的去噪技术在提高图像质量方面发挥着重要的作用.本文首先阐述了扩散张量成像... 扩散张量成像是研究组织大脑微结构与白质纤维束分布的重要手段,然而受扩散加权信号衰减与长回波时间的影响,扩散张量图像存在严重的低信噪比问题.因此,有效的去噪技术在提高图像质量方面发挥着重要的作用.本文首先阐述了扩散张量成像的原理及噪声类型;其次论述了经典的扩散张量图像去噪算法,包括基于传统图像处理方法与基于深度学习方法,并着重探讨了扩散张量图像去噪的研究现状及不足;接着介绍了去噪评估标准及常用的公开数据集;然后讨论分析了文中提及的扩散张量图像去噪方法;最后总结并对该领域未来的研究方向进行了展望. 展开更多

关键词 扩散张量成像 扩散加权成像 图像去噪 深度学习 生成模型

下载PDF 职称材料

基于深度学习的无监督KPI异常检测 被引量：6

20

作者 张圣林 林潇霏 +2 位作者 孙永谦 张玉志 裴丹 《数据与计算发展前沿》 2020年第3期87-100,共14页

【目的】关键性能指标(Key Performance Indicator,KPI)异常检测作为互联网智能运维的基础,对快速故障发现和修复具有重要意义。【文献范围】本文重点调研国内外基于深度生成模型的无监督KPI异常检测方法。【方法】系统地阐述了Donut、B... 【目的】关键性能指标(Key Performance Indicator,KPI)异常检测作为互联网智能运维的基础,对快速故障发现和修复具有重要意义。【文献范围】本文重点调研国内外基于深度生成模型的无监督KPI异常检测方法。【方法】系统地阐述了Donut、Bagel和Buzz三种无监督KPI异常检测方法的理论模型,并分析了它们在准确性和效率等方面的优势与不足。【结果】本文基于生产环境中的KPI数据验证了三个方法的性能。【局限】基于深度生成模型的KPI异常检测方法仍在不断地演进,未来将探索更多该领域的新方法。【结论】针对不同特征的KPI数据,需要采用不同的深度生成模型:对于时间信息敏感的KPI数据,需要采用Bagel进行异常检测;对于非周期性的复杂KPI数据,需要采用Buzz检测其异常行为。 展开更多

关键词 深度学习 无监督学习 关键性能指标 异常检测 生成模型

下载PDF 职称材料