基于条件密度估计的GAN内分布异常检测方法

文档摘要

深度解读：基于条件密度估计的无监督“分布内”异常检测——面向新物理发现的范式跃迁 📋 论文基本信息标题：Unsupervised in-distribution anomaly detection of new physics through conditional density estimation 作者：George Stein, Uroš Seljak, Biwei Dai ArXiv ID：2012.11638v1 发布日期：2020年12月21日学科交叉标签：cs.LG（机器学习）、hep-ex（高能物理实验）、physics.data-an（物理数据分析）核心任务：在无监督、无标签、无先验信号假设前提下，从强背景主导的LHC模拟数据中识别极稀有（0.