Skip to content
Hot eventLive

DI-SCUSUM：融合扩散模型分数的最快变点检测方法

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026年10月9日，研究者在 arXiv（Statistics Machine Learning）发布论文，提出 DI-SCUSUM，一种免训练的变点检测器。该方法通过对样本加高斯噪声构造平滑密度估计，并精确计算 Hyvärinen 分数。论文称，在各向异性高斯仿真中，DI-SCUSUM 接近似然比 CUSUM，并将检测延迟较基于分数的 CUSUM 降低约 91%。在 MNIST 和 Oxford-IIIT Pet 数据集上，其在相近虚警率下也取得更低的经验条件检测延迟。目前公开信息仅涉及该论文报道的性能结果，未见后续独立验证或争议。

Generated from reports · updated 3 hr ago

LatestOct 9
研究者提出免训练变点检测器 DI-SCUSUM，仿真与图像数据集上均报告更低检测延迟。

Timeline

Follow the coverage from different angles.

Oct 9, 2026
  1. arXiv · Statistics Machine Learning
    DI-SCUSUM：融合扩散模型分数的最快变点检测方法

    研究者提出 DI-SCUSUM，一种免训练的变点检测器，通过对样本加高斯噪声构造平滑密度估计并精确计算 Hyvärinen 分数。在各向异性高斯仿真中，DI-SCUSUM 接近似然比 CUSUM，并将检测延迟较基于分数的 CUSUM 降低约 91%。在 MNIST 和 Oxford-IIIT Pet 数据集上，其在相近虚警率下也取得更低的经验条件检测延迟。

Heat trend

Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –

02.557.510Oct9Oct9Oct9Oct9

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.