每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

面向零样本时间序列异常检测的基础模型：利用合成数据和相对上下文差异

Created by
  • Haebom

作者

天兰、乐浩阳、李金波、何文军、王猛、刘成浩、张晨

TimeRCD：具有相对上下文差异的时间序列异常检测基础模型

大纲

本文介绍了一种在零样本环境下构建的新型时间序列异常值检测模型。为了克服现有基于重构模型的局限性，我们提出了一个新模型 \Texttt{TimeRCD}。\texttt{TimeRCD} 并非重构输入，而是基于相对上下文差异 (RCD)，该模型学习检测相邻时间窗口之间的差异。它使用 Transformer 架构，捕捉指示异常值的上下文变化。为了进行有效的预训练，我们构建了一个包含 token 级异常值标签的大规模合成数据集。我们的模型在零样本时间序列异常值检测方面优于现有模型。

Takeaways, Limitations

•
Takeaways：
◦
我们克服了重建方法的局限性，提出了一种基于 RCD 的新型异常值检测范式。
◦
我们通过提高不同数据集上的零样本性能来展示广义异常值检测模型的潜力。
◦
通过构建大规模合成数据集，我们为有效的预训练奠定了基础。
•
Limitations：
◦
论文中没有具体提及 Limitations。
👍
Made with Slashpage