深度学习库对在线自适应轻量级时间序列异常检测的影响
机器学习
2023-05-11 v2
摘要
提供无需人工干预与领域知识的在线自适应轻量级时间序列异常检测极具价值。过去数年已提出若干此类异常检测方法,但它们均仅以单一深度学习库实现。随着深度学习库的发展,不同深度学习库如何影响这些异常检测方法尚不清楚,因为尚无此类评估。随机选取深度学习库实现异常检测方法可能无法展现方法的真实性能,也可能误导用户认为某方法优于另一方法。因此,本文通过在三个知名深度学习库中分别实现两种最先进的异常检测方法,并评估这两种方法各自受三个深度学习库的影响,来研究深度学习库对在线自适应轻量级时间序列异常检测的影响。基于四个真实开源时间序列数据集进行了一系列实验。结果为在线自适应轻量级异常检测选择合适的深度学习库提供了良好参考。
引用
@article{arxiv.2305.00595,
title = {Impact of Deep Learning Libraries on Online Adaptive Lightweight Time Series Anomaly Detection},
author = {Ming-Chang Lee and Jia-Chun Lin},
journal= {arXiv preprint arXiv:2305.00595},
year = {2023}
}
备注
11 pages, 7 figures, 17 tables, the 18th International Conference on Software Technologies (ICSOFT 2023)