企业官网建设流程全解析

目录

1.1 异常检测的范式演进

1.1.1 从监督学习到无监督检测的范式转移

1.1.2 开集识别与分布外检测的理论边界

1.1.3 水下声呐场景的特殊挑战

1.1.4 持续学习中的灾难性遗忘与稳定性-可塑性困境

1.2 深度生成模型的概率框架

1.2.1 变分推断基础：ELBO与证据下界优化

1.2.2 归一化流的可逆变换与对数似然计算

1.2.3 基于重构误差的异常评分机制设计

1.2.4 潜在空间的语义解耦与可解释性分析

1.3 自监督表示学习的理论支撑

1.3.1 对比学习的InfoNCE损失与互信息最大化

1.3.2 掩码预测任务与上下文建模能力

1.3.3 预训练-微调范式的迁移学习理论

第一章：理论基础与问题建模

1.1 异常检测的范式演进

1.1.1 从监督学习到无监督检测的范式转移

传统异常检测长期依赖监督学习框架，其核心前提是训练数据需包含充足的正常与异常样本标注。然而，在真实工程部署中，异常事件天然具备稀缺性与不可预测性：新型异常模式往往在系统运行后才首次暴露，导致标注数据极度稀缺且类别分布严重失衡。深度学习的兴起推动了检测范式向无监督方向的系统性