摘要
补充材料
Tom B.Brown等人,2020年。 语言模型是少数快速学习者。 CoRR,第abs/2005.14165卷(2020年)。 showeprint[arXiv]2005年1月4165日 谷歌学者 Evan Crothers、Nathalie Japkowicz和Herna Viktor。 2023.机器生成文本:威胁模型和检测方法的综合调查。 arxiv:2210.07321[cs.CL] 谷歌学者 Gisel Bastidas Guacho、Sara Abdali、Neil Shah和Evangelos E.Papalexakis。 2018.通过张量嵌入的基于内容的半监督错误信息检测。 arxiv:1804.09088[cs.LG] 谷歌学者 2019年,齐德·哈伊·亚希亚(Zied Haj-Yahia)、阿德里安·西格(Adrien Sieg)和莱娅·德雷利斯(Léa a Deleris)。 利用专家和单词嵌入实现无监督文本分类。 在计算语言学协会第57届年会的会议记录中。 371--379. 谷歌学者 交叉引用 凯伦·斯巴克·琼斯。 术语特异性的统计解释及其在检索中的应用。 《文献学杂志》,第28卷,第1卷(1972年),第11-21页。 谷歌学者 交叉引用 钱丽、郝鹏、李建新、夏从英、杨仁宇、孙立超、菲利普·S·余和何丽芳。 2020年,文本分类调查:从浅层学习到深层学习。 CoRR,第abs/2008.00364卷(2020年)。 shoveprint[arXiv]2008.00364展示版 谷歌学者 塞巴斯蒂安·鲁德(Sebastian Ruder)、马修·彼得斯(Matthew E Peters)、斯瓦巴·斯瓦亚迪普塔(Swabha Swayamdipta)和托马斯·沃尔夫(Thomas Wolf)。 2019.自然语言处理中的迁移学习。 在NAACL中:教程。 15--18. 谷歌学者 赵悦、Zain Nasrullah和Zheng Li。2019b。 PyOD:用于可伸缩异常检测的Python工具箱。 《机器学习研究杂志》,第20、96卷(2019年),1-7。 http://jmlr.org/papers/v20/19-011.html 谷歌学者 Zhenjie Zhao、Andrew Cattle、Evangelos Papalexakis和Xiaojuan Ma.2019a。 通过张量分解嵌入词汇特征,用于小样本幽默识别。 在2019年自然语言处理实证方法会议和第九届自然语言处理国际联合会议(EMNLP-IJCNLP)的会议记录中。 谷歌学者 交叉引用
建议
单变量时间序列的离群/异常检测:数据集收集和基准 大数据分析和知识发现 摘要 在本文中,我们提供了大量的离群值/异常检测任务,以从给定的时间序列数据集中识别异常序列。 本文基于流行的UCR时间序列分类档案。 除了。。。 深度神经网络未知检测能力的统一基准 摘要 深度神经网络在各种任务中都取得了卓越的性能,但它们有一个关键问题:即使对完全未知的样本也过于自信。 已提出许多研究,以成功筛选出。。。 集锦 提出了一种未知检测任务来评估神经网络的检测能力。