用于加密货币异常检测的无注意力条件自编码器
机器学习
2023-04-24 v1 人工智能
摘要
在时间序列中识别异常是困难的，尤其在存在大量噪声时。去噪技术可去除噪声，但该方法会导致显著的信息损失。为检测时间序列中的异常，我们提出了一种无注意力条件自编码器（AF-CA）。我们从条件自编码器模型出发，在其上添加了一个无注意力 LSTM 层 \cite{inzirillo2022attention}，以使异常检测能力更可靠并提升异常检测效力。我们将无注意力条件自编码器与 LSTM 自编码器的结果进行比较，明显提升了模型的解释力，从而提升了对含噪时间序列中异常的检测能力。
引用
@article{arxiv.2304.10614,
title = {An Attention Free Conditional Autoencoder For Anomaly Detection in Cryptocurrencies},
author = {Hugo Inzirillo and Ludovic De Villelongue},
journal= {arXiv preprint arXiv:2304.10614},
year = {2023}
}