CNTS：面向时间序列的协作网络
人工智能
2023-02-21 v1
摘要
在利用深度学习技术检测时间序列数据异常方面，已有长期的发展历史和多种方法，是一个活跃的研究领域。特别是，基于重构的无监督异常检测方法因其直观的假设和较低的计算需求而受到青睐。然而，这些方法往往易受离群点影响，且不能有效地对异常建模，导致结果次优。本文提出一种名为协作网络时间序列（CNTS）的新型无监督异常检测方法。CNTS 系统由两部分组成：检测器与重构器。检测器负责直接检测异常，而重构器向检测器提供重构信息，并根据来自检测器的异常信息更新其学习。CNTS 的核心是一个多目标优化问题，通过协作求解策略加以解决。在三个真实世界数据集上的实验展示了 CNTS 的 SOTA 性能，并证实了检测器与重构器的协作有效性。本研究的源代码已在 GitHub 上公开。
引用
@article{arxiv.2302.09800,
title = {CNTS: Cooperative Network for Time Series},
author = {Jinsheng Yang and Yuanhai Shao and ChunNa Li},
journal= {arXiv preprint arXiv:2302.09800},
year = {2023}
}