NeuCoReClass AD：定义自监督时间序列异常检测
机器学习
2025-08-05 v1
摘要
时间序列异常检测在广泛的实际应用中发挥着关键作用。尽管在无监督方法中，自监督学习因无需标注数据即可建模正常行为而受到关注。然而，许多现有方法仅依赖单一代理任务，限制了其捕捉正常数据中有意义模式的能力。此外，这些方法常常依赖于针对特定领域量身定制的手工特征转换，阻碍了其在跨越多样问题上的泛化。为此，我们引入 NeuCoReClass AD，这是一个结合对比学习、重建和分类代理任务的自监督多任务时间序列异常检测框架。该方法采用神经转换学习生成信息丰富、多样且连贯的增强视图，而无需依赖领域特定知识。我们在广泛的基准测试中评估了 NeuCoReClass AD，证明其在性能上稳居古典基线和大多数深度学习方法之上。此外，它能够以完全无监督的方式刻画出不同的异常轮廓。
引用
@article{arxiv.2508.00909,
title = {NeuCoReClass AD: Redefining Self-Supervised Time Series Anomaly Detection},
author = {Aitor Sánchez-Ferrera and Usue Mori and Borja Calvo and Jose A. Lozano},
journal= {arXiv preprint arXiv:2508.00909},
year = {2025}
}