Copertina

Autoencoders for Anomaly Detection are Unreliable

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Bouman, Roel, Heskes, Tom
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Unsupervised anomaly detection algorithms on real-world data: how many do we need?
di: Bouman, Roel, et al.
Pubblicazione: (2023)

Acquiring Better Load Estimates by Combining Anomaly and Change Point Detection in Power Grid Time-series Measurements
di: Bouman, Roel, et al.
Pubblicazione: (2024)

Deep Autoencoders for Unsupervised Anomaly Detection in Wildfire Prediction
di: Üstek, İrem, et al.
Pubblicazione: (2024)

Enhancing Fairness in Autoencoders for Node-Level Graph Anomaly Detection
di: Wang, Shouju, et al.
Pubblicazione: (2025)

Multi-scale Masked Autoencoder for Electrocardiogram Anomaly Detection
di: Zhou, Ya, et al.
Pubblicazione: (2025)

Graph Isomorphic Networks for Assessing Reliability of the Medium-Voltage Grid
di: van Nooten, Charlotte Cambier, et al.
Pubblicazione: (2023)

Drift-Aware Variational Autoencoder-based Anomaly Detection with Two-level Ensembling
di: Li, Jin, et al.
Pubblicazione: (2026)

A Real-time Anomaly Detection Using Convolutional Autoencoder with Dynamic Threshold
di: Maitra, Sarit, et al.
Pubblicazione: (2024)

GRASPED: Graph Anomaly Detection using Autoencoder with Spectral Encoder and Decoder (Full Version)
di: Choong, Wei Herng, et al.
Pubblicazione: (2025)

Modeling Quantum Federated Autoencoder for Anomaly Detection in IoT Networks
di: Chaudhary, Devashish, et al.
Pubblicazione: (2026)

Attention and Autoencoder Hybrid Model for Unsupervised Online Anomaly Detection
di: Najafi, Seyed Amirhossein, et al.
Pubblicazione: (2024)

Anomaly Correction of Business Processes Using Transformer Autoencoder
di: Gong, Ziyou, et al.
Pubblicazione: (2024)

In-Context Black-Box Optimization with Unreliable Feedback
di: Blumer, Nicolas Samuel, et al.
Pubblicazione: (2026)

Bias-variance decompositions: the exclusive privilege of Bregman divergences
di: Heskes, Tom
Pubblicazione: (2025)

Applying Quantum Autoencoders for Time Series Anomaly Detection
di: Frehner, Robin, et al.
Pubblicazione: (2024)

Hybrid Temporal Differential Consistency Autoencoder for Efficient and Sustainable Anomaly Detection in Cyber-Physical Systems
di: Somma, Michael
Pubblicazione: (2025)

Improving Variational Autoencoder using Random Fourier Transformation: An Aviation Safety Anomaly Detection Case-Study
di: Asanjan, Ata Akbari, et al.
Pubblicazione: (2026)

Multivariate Physics-Informed Convolutional Autoencoder for Anomaly Detection in Power Distribution Systems with High Penetration of DERs
di: Zideh, Mehdi Jabbari, et al.
Pubblicazione: (2024)

EEG Artifact Detection and Correction with Deep Autoencoders
di: Aquilué-Llorens, David, et al.
Pubblicazione: (2025)

Improving Dictionary Learning with Gated Sparse Autoencoders
di: Rajamanoharan, Senthooran, et al.
Pubblicazione: (2024)

Large Language Models Are Unreliable for Cyber Threat Intelligence
di: Mezzi, Emanuele, et al.
Pubblicazione: (2025)

Possibility for Proactive Anomaly Detection
di: Jeon, Jinsung, et al.
Pubblicazione: (2025)

Unsupervised Surrogate Anomaly Detection
di: Klüttermann, Simon, et al.
Pubblicazione: (2025)

On Diffusion Modeling for Anomaly Detection
di: Livernoche, Victor, et al.
Pubblicazione: (2023)

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

VAN-AD: Visual Masked Autoencoder with Normalizing Flow For Time Series Anomaly Detection
di: Chen, PengYu, et al.
Pubblicazione: (2026)

Tool Preferences in Agentic LLMs are Unreliable
di: Faghih, Kazem, et al.
Pubblicazione: (2025)

Dealing with Uncertainty in Contextual Anomaly Detection
di: Bindini, Luca, et al.
Pubblicazione: (2025)

Graph Enhanced Trajectory Anomaly Detection
di: Mbuya, Jonathan Kabala, et al.
Pubblicazione: (2025)

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

Anomaly Detection for Incident Response at Scale
di: Wang, Hanzhang, et al.
Pubblicazione: (2024)

Trajectory Anomaly Detection with Language Models
di: Mbuya, Jonathan, et al.
Pubblicazione: (2024)

Masked Diffusion Modeling for Anomaly Detection
di: Zhang, Lixing, et al.
Pubblicazione: (2026)

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

Enhancing Anomaly Detection via Generating Diversified and Hard-to-distinguish Synthetic Anomalies
di: Kim, Hyuntae, et al.
Pubblicazione: (2024)

A Machine Learning Framework for Handling Unreliable Absence Label and Class Imbalance for Marine Stinger Beaching Prediction
di: Ibenegbu, Amuche, et al.
Pubblicazione: (2025)

Dynamic Neural Curiosity Enhances Learning Flexibility for Autonomous Goal Discovery
di: Houbre, Quentin, et al.
Pubblicazione: (2024)

Reasoning-based Anomaly Detection Framework: A Real-time, Scalable, and Automated Approach to Anomaly Detection Across Domains
di: Panwar, Anupam, et al.
Pubblicazione: (2025)

Reasoning or Memorization? Unreliable Results of Reinforcement Learning Due to Data Contamination
di: Wu, Mingqi, et al.
Pubblicazione: (2025)

Hybrid Autoencoder-Based Framework for Early Fault Detection in Wind Turbines
di: Nair, Rekha R, et al.
Pubblicazione: (2025)