.png){kind=icon}
返回
.png){kind=icon}
.png){kind=icon}
摘要
En 中文
• 我们提出了优化的深度隔离森林（ODIF）方法用于异常检测。
• ODIF在CPU和GPU阶段均实现了执行时间的显著减少。
• ODIF通过大幅降低RAM和VRAM的使用量来提升内存效率。
• ODIF在优化计算复杂度的同时保持检测有效性。
Keyword:
Anomaly detection
Isolation Forest
Deep Isolation Forest
Neural networks
Outlier detection
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.3
论文数:
8.0K
被引数:
1.6W
机构
暂无机构信息
引用论文
Machine Learning-Based Detection of Anomalies, Intrusions, and Threats in Industrial Control Systems.png)
IEEE ACCESS.png)
OAAI
IEEE ACCESSIF3.6
OAAI.png){kind=icon}
分享.png){kind=icon}
收藏Deep Optimal Isolation Forest with Genetic Algorithm for Anomaly Detection向海燕，张旭，M. Dras，A. Beheshti，窦文，徐啸，基于遗传算法的深度最优孤立森林异常检测，2023年IEEE国际数据挖掘会议（ICDM），IEEE，2023，第678-687页。
PREAI
分享收藏
查看更多内容