面向不规则时间序列的异常前兆检测
人工智能
2023-10-16 v3
摘要
异常检测是一个重要领域，旨在识别非预期的模式或数据点，并与许多现实世界问题密切相关，特别是金融、制造、网络安全等方面的应用。尽管异常检测已在各领域被广泛研究，但在异常发生前检测未来异常仍属未探索之地。本文提出一种新型异常检测，称为异常前兆（PoA）检测。与关注判定给定时间序列观测是否为异常的传统异常检测不同，PoA 检测旨在异常发生前检测未来异常。为同时解决这两个问题，我们提出了一种基于神经控制微分方程的神经网络及其多任务学习算法。我们使用 17 个基线和 3 个数据集（包括规则与不规则时间序列）进行实验，证明我们所提方法在几乎所有情况下均优于基线。我们的消融研究还表明，多任务训练方法显著提升了异常与 PoA 检测的整体性能。
引用
@article{arxiv.2306.15489,
title = {Precursor-of-Anomaly Detection for Irregular Time Series},
author = {Sheo Yon Jhin and Jaehoon Lee and Noseong Park},
journal= {arXiv preprint arXiv:2306.15489},
year = {2023}
}
备注
KDD 2023 accepted paper