用于无监督在线时间序列异常检测的注意力与自编码器混合模型
机器学习
2024-01-09 v1 人工智能
信号处理
摘要
本文提出了一种混合注意力与自编码器 (AE) 模型，用于时间序列的无监督在线异常检测。自编码器在短嵌入中捕捉局部结构模式，而注意力模型学习长期特征，并结合位置编码实现并行计算。本方法的独特之处在于，首次在时间序列异常检测中将注意力机制与自编码器相结合。该模型采用类似于深度 Transformer 模型的基于注意力的机制，并对架构进行了关键修改，以预测自编码器潜在空间中的下一个时间步窗口。模型利用验证数据集的阈值进行异常检测，并提出了一种基于分析误差一阶统计矩的替代方法，在不依赖验证数据集的情况下提高了准确性。在多样化的真实世界基准数据集上的评估以及与其他成熟模型的比较，证实了我们所提模型在异常检测方面的有效性。
引用
@article{arxiv.2401.03322,
title = {Attention and Autoencoder Hybrid Model for Unsupervised Online Anomaly Detection},
author = {Seyed Amirhossein Najafi and Mohammad Hassan Asemani and Peyman Setoodeh},
journal= {arXiv preprint arXiv:2401.03322},
year = {2024}
}