面向多变量时间序列异常预测的多分辨率联合嵌入预测架构
机器学习
2026-02-05 v1
摘要
多变量时间序列支撑着现代关键基础设施，预测其中的异常对于主动风险缓解具有至关重要的必要性。虽然联合嵌入预测架构 (JEPA) 为建模这些系统的潜在演化提供了有前景的框架，但其应用受到表示坍缩和无法捕捉不同时间尺度上前导信号的限制。为解决这些限制，我们提出 MTS-JEPA，一种特殊化的架构，集成多分辨率预测目标与软码本瓶颈。该设计显式地解耦瞬态冲击与长期趋势，并利用码本捕捉离散的制度转换。值得注意的是，我们发现该约束也作为内在正则化器，确保优化稳定性。在标准基准上的经验评估确认，我们的方法有效地防止了退化解的产生，并在早期警报协议下实现了最先进的性能。
引用
@article{arxiv.2602.04643,
title = {MTS-JEPA: Multi-Resolution Joint-Embedding Predictive Architecture for Time-Series Anomaly Prediction},
author = {Yanan He and Yunshi Wen and Xin Wang and Tengfei Ma},
journal= {arXiv preprint arXiv:2602.04643},
year = {2026}
}