深度神经网络对多元时间序列异常检测的贡献如何？
机器学习
2022-09-13 v1
摘要
时间序列中的异常检测是一项已被广泛研究的复杂任务。近年来，无监督异常检测算法的能力备受关注。这一趋势导致研究者在文章中仅比较基于学习的方法，放弃了某些更传统的途径。结果，该领域的学界受到鼓励，主要基于深度神经网络提出日益复杂的基于学习的模型。据我们所知，目前尚无针对多元时间序列异常检测中常规方法、机器学习方法与深度神经网络方法之间的比较研究。本工作中，我们在五个真实世界开放数据集上研究了十六种常规、基于机器学习以及深度神经网络方法的异常检测性能。通过对十六种方法各自性能的分析与比较，我们表明没有任何一类方法优于其他类。因此，我们鼓励学界在多元时间序列异常检测基准中重新纳入这三类方法。
引用
@article{arxiv.2204.01637,
title = {Do Deep Neural Networks Contribute to Multivariate Time Series Anomaly Detection?},
author = {Julien Audibert and Pietro Michiardi and Frédéric Guyard and Sébastien Marti and Maria A. Zuluaga},
journal= {arXiv preprint arXiv:2204.01637},
year = {2022}
}