低延迟异常检测与异常似然的贝叶斯网络预测
机器学习
2016-11-16 v1 机器学习
摘要
我们开发了一种监督式机器学习模型，可实时检测系统中的异常。我们的模型将无界数据流处理为时间序列，这些时间序列进而构成低延迟异常检测模型的基础。此外，我们将初步目标从单纯的异常检测扩展至同步异常预测。我们通过开发一个贝叶斯网络框架来解决这一极具挑战性的问题，该框架捕获了我们方法第一部分中校准的滞后回归变量参数的信息，并利用该结构学习局部条件概率分布。
引用
@article{arxiv.1611.03898,
title = {Low Latency Anomaly Detection and Bayesian Network Prediction of Anomaly Likelihood},
author = {Derek Farren and Thai Pham and Marco Alban-Hidalgo},
journal= {arXiv preprint arXiv:1611.03898},
year = {2016}
}