用于时间序列异常检测的条件量子GAN中的连续数据注入方法
机器学习
2023-10-10 v1 网络与互联网体系结构
摘要
经典GAN架构在解决一般异常检测问题尤其是通信网络等场景中产生的时间序列异常方面已展现出有趣的结果。近年来，文献中提出了若干量子GAN架构。在使用QGAN进行时间序列异常检测时，由于量子比特数量相对于数据规模十分有限，带来了巨大挑战。为应对这些挑战，我们提出了一种名为连续数据注入（SuDaI）的新型高维编码方法。在该方法中，我们通过将数据重复注入量子态，比文献中主要使用的常规角度编码探索了更大范围的量子态。SuDaI编码使我们能够适配QGAN，以处理比现有已知QGAN实现维度高得多的网络数据异常检测。此外，SuDaI编码适用于其他类型的高维时间序列，并可用于异常检测和QGAN之外的场景，从而开辟了多个应用领域。
引用
@article{arxiv.2310.05307,
title = {Successive Data Injection in Conditional Quantum GAN Applied to Time Series Anomaly Detection},
author = {Benjamin Kalfon and Soumaya Cherkaoui and Jean-Frédéric Laprade and Ola Ahmad and Shengrui Wang},
journal= {arXiv preprint arXiv:2310.05307},
year = {2023}
}