探索用于多类无监督异常检测的状态空间模型

文章预览

文章介绍了一种新的多类别无监督异常检测方法—— MambaAD ，该方法利用了 Mamba 解码器的优势，特别是其出色的长距离建模能力和线性计算效率。 MambaAD 包含了一个预训练的编码器和一个多尺度的 Mamba 解码器，后者集成了局部增强状态空间（ LSS ）模块，能够有效捕捉远距离和局部信息。 LSS 模块由并行级联的混合状态空间（ HSS ）块和多核卷积操作组成，而 HSS 块则采用混合扫描（ HS ）编码器来加强全局连接，并利用 Hilbert 扫描和八个方向显著提高了特征序列的建模能力。实验结果显示， MambaAD 在多种异常检测数据集上取得了最先进的性能。 1 CNN和Transformer方法存在的问题 （ 1 ） CNN 的问题 : n 长距离依赖性 : CNN 擅长捕捉图像中的局部特征，但在处理长距离依赖性方面存在困难。这意味着对于需要跨较大区域的信息整合的任务， CNN 可能无法提供 ………………………………