시간 시계열 이상 탐지를 위한 암시적 신경망 표현을 통한 시간적 연속성 확보: 비연속적 이상 데이터에 대한 민감도 향상
본 논문에서는 INR(Implicit Neural Representation)의 스펙트럼 편향 현상을 활용하여 시계열 데이터의 연속적인 정상 패턴을 우선적으로 학습하고, 이를 통해 비연속적인 이상 데이터에 대한 민감도를 향상시키는 새로운 시계열 이상 탐지 방법론인 TSINR을 제안합니다.
이미지로 보고, 생각하고, 분류한다: 대규모 멀티모달 모델을 활용한 퓨샷 시계열 이상 탐지
대규모 멀티모달 모델(LMM)을 활용하여 시계열 데이터를 이미지로 변환하여 분석하면, 기존 방법보다 뛰어난 성능과 해석력을 지닌 이상 탐지 시스템을 구축할 수 있다.
대규모 언어 모델은 시계열 데이터의 제로샷 이상 탐지에 효과적인가?
대규모 언어 모델(LLM)은 시계열 데이터에서 이상을 탐지하는 데 활용될 수 있지만, 아직 최첨단 딥러닝 모델보다 성능이 떨어진다.
콜모고로프-아놀드 네트워크를 활용한 시계열 이상 탐지: KAN-AD
KAN-AD는 푸리에 급수를 활용하여 시계열 데이터에서 전역 패턴을 강조하고 로컬 피크 및 드롭의 영향을 완화하여 기존 방법보다 효율적이고 효과적인 이상 탐지를 가능하게 하는 새로운 시계열 이상 탐지 방법입니다.
메모리 기반 설명 가능 시계열 이상 탐지: MIXAD
본 논문에서는 메모리 네트워크를 활용하여 시계열 데이터의 이상 현상을 정확하게 탐지하고 설명하는 새로운 모델인 MIXAD를 제안합니다. MIXAD는 뛰어난 탐지 성능을 보장할 뿐만 아니라, 이상 현상 발생 원인에 대한 명확한 해석을 제공하여 기존 방법 대비 설명 가능성을 크게 향상시킵니다.
시계열 이상 탐지를 위한 하이퍼그래프 기반 다중 스케일 시공간 그래프 컨볼루션 네트워크
본 논문에서는 다변량 시계열 데이터에서 발생하는 이상을 효과적으로 탐지하기 위해 하이퍼그래프 구조 기반의 새로운 시공간 그래프 컨볼루션 신경망 모델인 STGCN_Hyper를 제안합니다.
다중 스케일 재구성 대비를 이용한 시계열 이상 예측 및 탐지의 공동 학습: MultiRC
본 논문에서는 다양한 반응 시간을 가진 시계열 데이터에서 이상 현상을 예측하고 탐지하기 위해 다중 스케일 재구성 대비(MultiRC)라는 새로운 딥러닝 프레임워크를 제안합니다.
채널 인식 주파수 패칭을 통한 다변량 시계열 이상 탐지: CATCH
CATCH는 주파수 패칭과 채널 상관관계 학습을 통해 다변량 시계열 데이터에서 발생하는 다양한 이상 패턴을 효과적으로 감지하는 새로운 딥러닝 프레임워크입니다.
적응형 병목 현상 및 이중 적대적 디코더를 갖춘 일반 시계열 이상 탐지기 개발
본 논문에서는 다양한 도메인의 시계열 데이터에서 이상을 효과적으로 탐지할 수 있는 일반적인 모델인 DADA(Adaptive Bottlenecks 및 Dual Adversarial Decoders를 갖춘 일반 시계열 이상 탐지기)를 제안합니다.
시계열 이상 탐지를 위한 하위 인접 변환기: 하위 인접 이웃의 재구성 오차를 활용한 성능 향상
본 연구는 하위 인접 이웃에 초점을 맞춘 새로운 주의 메커니즘을 제안하여 비지도 학습 기반 시계열 이상 탐지 성능을 향상시킨다.
© 2024 by Linnk AI