MadSGM：基于分数生成模型的多变量异常检测
机器学习
2023-08-30 v1 人工智能
摘要
时间序列异常检测是时间序列最基础的任务之一。与时间序列预测和分类不同，时间序列异常检测通常需要无监督（或自监督）训练，因为收集和标注异常观测值较为困难。此外，大多数现有方法依赖于有限形式的异常度量，因此尚不清楚它们是否在所有情况下都是最优的。为此，我们提出了一种基于分数生成模型的多变量时间序列异常检测器，称为 MadSGM，它考虑了史上最广泛的异常度量因素集合：i) 基于重构的、ii) 基于密度的和 iii) 基于梯度的异常度量。我们还设计了一个条件分数网络及其用于时间序列异常处理的去噪分数匹配损失。在五个真实世界基准数据集上的实验表明，MadSGM 实现了最鲁棒和准确的预测。
引用
@article{arxiv.2308.15069,
title = {MadSGM: Multivariate Anomaly Detection with Score-based Generative Models},
author = {Haksoo Lim and Sewon Park and Minjung Kim and Jaehoon Lee and Seonkyu Lim and Noseong Park},
journal= {arXiv preprint arXiv:2308.15069},
year = {2023}
}