基于重要性的生成式对比学习的无监督时间序列异常预测
Unsupervised Time Series Anomaly Prediction with Importance-based Generative Contrastive Learning转自在智能制造、工业自动化、能源调度、网络安全、智慧水务、航空航天等现代复杂系统中关键过程数据通常以多变量时间序列的形式实时产生。保障系统稳定与可靠运行的核心任务之一是能够在异常真正发生之前提前识别风险信号并采取预防性措施。 异常检测Anomaly Detection旨在判断当前时刻的观察值是否异常而异常预测Anomaly Prediction关注的是 未来 时间是否可能发生异常属于更具挑战但更具价值的任务。 这些异常并非随机瞬间产生而往往由 弱、渐变、多维互动的 precursor 所引发。然而异常预测技术的发展长期受限于以下三个核心难题
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2532039.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!