본 논문은 암묵적 신경 표현(INR) 기반 재구성을 이용한 시계열 이상 탐지 방법인 TSINR을 제안합니다. 기존 재구성 기반 방법들이 비지도 학습을 통해 점별 표현을 학습하지만, 비표시 이상점으로 인해 정상 패턴을 포착하는 데 어려움을 겪는 문제를 해결하고자 합니다. TSINR은 INR을 통해 시계열 데이터를 연속 함수로 매개변수화하고, 트랜스포머 기반 아키텍처를 사용하여 INR을 예측합니다. 이는 시간적 연속성을 포착하여 불연속적인 이상 데이터에 더 민감하게 반응하는 장점을 제공합니다. 또한, 채널 간 및 채널 내 정보를 학습하는 새로운 형태의 INR 연속 함수를 설계하고, 사전 훈련된 대규모 언어 모델을 활용하여 이상치의 강한 변동을 증폭합니다. 실험 결과, TSINR은 다양한 시계열 이상 탐지 벤치마크에서 기존 최첨단 재구성 기반 방법들보다 우수한 성능을 달성합니다.
