异常数据检测 | Python实现Anomaly-Transformer时间序列异常数据检测_transformer用于时序数据异常检测

作者：你好赵伟 | 2024-04-03 15:00:54

踩

transformer用于时序数据异常检测

Anomaly-Transforme处理关联差异的时间序列异常检测
时间序列中异常点的无监督检测是一个具有挑战性的问题，它需要模型学习信息表示并得出可区分的标准。

在深度网络上，异常检测的研究主要在：

● 学习时序数据点级别的表征，进而依靠重建或预测误差进行判定，例如RNN；

● 通过图来显式关联建模，将具有不同时间点的时间序列表示为顶点，并通过随机游走检测异常。例如GNN。

但上面两种方式分别有以下缺点：

● pointwise表征信息量较少，并且可能被正常模式主导，使得异常点难以区分。

● 学习到的图仍然仅限于单个时间点，这对于复杂的时间模式是不够的，无法捕捉每个时间点与整个时间序列的关联。

Anomaly-Attention内有两个关联（可以把它

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/你好赵伟/article/detail/355973