Buchumschlag

Friend or Foe? Harnessing Controllable Overfitting for Anomaly Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qian, Long, Zhu, Bingke, Chen, Yingying, Tang, Ming, Wang, Jinqiao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FiLo: Zero-Shot Anomaly Detection by Fine-Grained Description and High-Quality Localization
von: Gu, Zhaopeng, et al.
Veröffentlicht: (2024)

MathPhys-Guided Coarse-to-Fine Anomaly Synthesis with SQE-Driven Bi-Level Optimization for Anomaly Detection
von: Qian, Long, et al.
Veröffentlicht: (2025)

Quality-Aware Language-Conditioned Local Auto-Regressive Anomaly Synthesis and Detection
von: Qian, Long, et al.
Veröffentlicht: (2025)

Control of Overfitting with Physics
von: Kozyrev, Sergei V., et al.
Veröffentlicht: (2024)

MROVSeg: Breaking the Resolution Curse of Vision-Language Models in Open-Vocabulary Image Segmentation
von: Zhu, Yuanbing, et al.
Veröffentlicht: (2024)

Harnessing Contrastive Learning and Neural Transformation for Time Series Anomaly Detection
von: Chen, Katrina, et al.
Veröffentlicht: (2023)

LoRA Dropout as a Sparsity Regularizer for Overfitting Control
von: Lin, Yang, et al.
Veröffentlicht: (2024)

Detecting Generative Parroting through Overfitting Masked Autoencoders
von: Taghanaki, Saeid Asgari, et al.
Veröffentlicht: (2024)

Systematic Outliers in Large Language Models
von: An, Yongqi, et al.
Veröffentlicht: (2025)

Towards Mitigating Architecture Overfitting on Distilled Datasets
von: Zhong, Xuyang, et al.
Veröffentlicht: (2023)

Benign Overfitting in Adversarial Training for Vision Transformers
von: Zhang, Jiaming, et al.
Veröffentlicht: (2026)

Towards a Unified Framework of Clustering-based Anomaly Detection
von: Fang, Zeyu, et al.
Veröffentlicht: (2024)

Learning Multi-Pattern Normalities in the Frequency Domain for Efficient Time Series Anomaly Detection
von: Chen, Feiyi, et al.
Veröffentlicht: (2023)

The BRAVO Semantic Segmentation Challenge Results in UNCV2024
von: Vu, Tuan-Hung, et al.
Veröffentlicht: (2024)

On the Implicit Reward Overfitting and the Low-rank Dynamics in RLVR
von: Ye, Hao, et al.
Veröffentlicht: (2026)

CausalTAD: Injecting Causal Knowledge into Large Language Models for Tabular Anomaly Detection
von: Wang, Ruiqi, et al.
Veröffentlicht: (2026)

Friend or Foe
von: Cherendichenko, Oleksandr, et al.
Veröffentlicht: (2025)

Graph Evidential Learning for Anomaly Detection
von: Wei, Chunyu, et al.
Veröffentlicht: (2025)

How to Mitigate Overfitting in Weak-to-strong Generalization?
von: Shi, Junhao, et al.
Veröffentlicht: (2025)

Residual Stream Analysis of Overfitting And Structural Disruptions
von: Liu, Quan, et al.
Veröffentlicht: (2026)

Provable Robust Overfitting Mitigation in Wasserstein Distributionally Robust Optimization
von: Liu, Shuang, et al.
Veröffentlicht: (2025)

Harnessing Vision-Language Models for Time Series Anomaly Detection
von: He, Zelin, et al.
Veröffentlicht: (2025)

Interpretable Graph-Level Anomaly Detection via Contrast with Normal Prototypes
von: Zhao, Qiuran, et al.
Veröffentlicht: (2026)

Know Unreported Roadway Incidents in Real-time: Early Traffic Anomaly Detection
von: Duan, Haocheng, et al.
Veröffentlicht: (2024)

Anomaly Detection Based on Critical Paths for Deep Neural Networks
von: Zhao, Fangzhen, et al.
Veröffentlicht: (2025)

Balanced Edge Pruning for Graph Anomaly Detection with Noisy Labels
von: Wang, Zhu, et al.
Veröffentlicht: (2024)

Iterative Data Smoothing: Mitigating Reward Overfitting and Overoptimization in RLHF
von: Zhu, Banghua, et al.
Veröffentlicht: (2024)

Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values
von: Zheng, Yu, et al.
Veröffentlicht: (2024)

AnomalyGFM: Graph Foundation Model for Zero/Few-shot Anomaly Detection
von: Qiao, Hezhe, et al.
Veröffentlicht: (2025)

Foundation Models for Anomaly Detection: Vision and Challenges
von: Ren, Jing, et al.
Veröffentlicht: (2025)

OIL-AD: An Anomaly Detection Framework for Sequential Decision Sequences
von: Wang, Chen, et al.
Veröffentlicht: (2024)

Hypergraph Learning based Recommender System for Anomaly Detection, Control and Optimization
von: Srinivas, Sakhinana Sagar, et al.
Veröffentlicht: (2024)

Detect by Yourself: Self-Designing Agentic Workflows for Few-Shot Graph Anomaly Detection
von: Huang, Tairan, et al.
Veröffentlicht: (2026)

A Classical View on Benign Overfitting: The Role of Sample Size
von: Park, Junhyung, et al.
Veröffentlicht: (2025)

A Graph Prompt Fine-Tuning Method for WSN Spatio-Temporal Correlation Anomaly Detection
von: Ye, Miao, et al.
Veröffentlicht: (2026)

Fairness Overfitting in Machine Learning: An Information-Theoretic Perspective
von: Laakom, Firas, et al.
Veröffentlicht: (2025)

Benign Overfitting for Regression with Trained Two-Layer ReLU Networks
von: Park, Junhyung, et al.
Veröffentlicht: (2024)

Mitigating Overfitting in Graph Neural Networks via Feature and Hyperplane Perturbation
von: Choi, Yoonhyuk, et al.
Veröffentlicht: (2022)

Overcoming Overfitting in Reinforcement Learning via Gaussian Process Diffusion Policy
von: Horprasert, Amornyos, et al.
Veröffentlicht: (2025)

From Overfitting to Reliability: Introducing the Hierarchical Approximate Bayesian Neural Network
von: Amirkhanian, Hayk, et al.
Veröffentlicht: (2025)