はじめに

ICLR 2018 から以下の論文
[1] L. Deecke, et. al. "ANOMALY DETECTION WITH GENERATIVE ADVERSARIAL NETWORKS"
のまとめ

関連記事としてGANsを使ったモデル anoGAN のまとめ
https://qiita.com/masataka46/items/09e4e13be097a68174cd

特にanoGANとの違い、という観点でまとめる

概要

まずanoGANと同じ点。

次にanoGANと違う点。

以下（[1]algorithm 1）がノイズ探索フェーズでのアルゴリズム。

ロス：$l$
generatorのパラメータ：$\theta$
ノイズ：$z$

anoGANと同様にノイズ $z$ を勾配降下法で更新する。

z_{j,l} \leftarrow z_{j,l-1} - \gamma \cdot \nabla_{z_{j,l-1}} l (g_{\theta_{j,l-1}} (z_{j,l-1}), x)

anoGANと違ってgeneratorのパラメータも更新する。

\theta_{j,l} \leftarrow \theta_{j,l-1} - \gamma_{\theta} \cdot \nabla_{\theta_{j,l-1}} l (g_{\theta_{j,l-1}} (z_{j,l-1}), x)

generatorのパラメータまで更新してしまって大丈夫なの？って疑問が湧くだろう。更新された $g'(z)$ は正常値で学習した $g(z)$ とは異なるので、それで正常・異常の判定ができるのか？と。

その辺、Bojanowski[2]とかに書かれているらしいが、ちゃんと読んでません。

anoGANと違って探索は $z$ の初期値を変えて $n_{seed}$ 回行う。異常scoreはこれらの平均値とする。

A(x) = \frac{1}{n_{seed}} \sum^{n_{seed}}_{j=1} {l}(g_{\theta_{j,l-1}} (z_{j,l-1}), x)

[2] P. Bojanowski, et. al."Optimizing the Latent Space of Generative Networks"