本論文では、多変量時系列データの異常検出のための新しいモデルDTAAAを提案している。
主な特徴は以下の通り:
局所的な時系列パターンをモデル化するためのローカルTCNと、全体的な時系列パターンをモデル化するためのグローバルTCNの2つのTCNネットワークを並列に使用する。
2つのTCNネットワークの出力をTransformerエンコーダに入力し、変数間の依存関係を学習する。
Transformerエンコーダの出力を2つのデコーダに入力し、局所的および全体的な注意メカニズムを用いて異常の特徴を抽出する。
局所的および全体的な再構成誤差を組み合わせた損失関数を最小化することで、異常検出性能を向上させる。
メタ学習を導入することで、限られたデータでも高い性能を発揮できるようにする。
提案手法は、既存の手法と比較して高い異常検出精度と高速な学習速度を実現している。特に、F1スコアを最大8.38%改善し、学習時間を99%削減することができた。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Lingrui Yu at arxiv.org 04-30-2024
https://arxiv.org/pdf/2302.10753.pdfDeeper Inquiries