时间序列异常检测的开放挑战：行业视角
机器学习
2025-02-11 v1
摘要
当前时间序列异常检测研究使用的定义忽略了异常检测在实际中常见的关键方面。我们列出了若干在实践中具有实际相关性的领域，我们认为这些领域要么在当前讨论中受到 insufficient 关注，要么完全未被探讨。基于对云环境中部署系统的调查，我们提出了流式算法、人类在回路中的情景、点过程、条件异常和时间序列人口学分析等领域。这篇论文旨作为动机和行动号召，包括理论与应用研究的机会，以及构建新数据集和基准的机会。
引用
@article{arxiv.2502.05392,
title = {Open Challenges in Time Series Anomaly Detection: An Industry Perspective},
author = {Andreas Mueller},
journal= {arXiv preprint arXiv:2502.05392},
year = {2025}
}