MultiRC：基于多尺度重构对比学习的联合时间序列异常预测与检测
机器学习
2024-10-22 v1
摘要
尽管已提出多种方法用于无监督时间序列异常检测，但针对异常预测的研究仍相对稀缺。预测异常尤其具有挑战性，由于反应时间差异且缺乏标记数据。为此，我们提出MultiRC，通过集成重构学习和对比学习，实现异常预测与检测的联合学习，并采用多尺度结构和自适应主导周期掩码来处理反应时间差异。MultiRC还生成负样本，以为异常预测任务提供必要的训练动力并防止模型退化。我们在来自不同领域的七个基准数据集上进行评估。对于异常预测和检测任务，MultiRC均优于现有SOTA方法。
引用
@article{arxiv.2410.15997,
title = {MultiRC: Joint Learning for Time Series Anomaly Prediction and Detection with Multi-scale Reconstructive Contrast},
author = {Shiyan Hu and Kai Zhao and Xiangfei Qiu and Yang Shu and Jilin Hu and Bin Yang and Chenjuan Guo},
journal= {arXiv preprint arXiv:2410.15997},
year = {2024}
}