（十二）Outlier Detection for Multidimensional Time Series using Deep Neural Networks

最新推荐文章于 2022-07-10 17:47:33 发布
最新推荐文章于 2022-07-10 17:47:33 发布
阅读量2.2k 收藏 26
点赞数 9
分类专栏： 论文解析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/WangZixuan1111/article/details/106024270
版权

内含动画的PPT已经上传，可以在我上传的资源里看到，可免费下载

论文链接：Outlier Detection for Multidimensional Time Series using Deep Neural Networks

论文信息

  • 2018
  • IEEE
  • 多维时间序列+异常检测+时间序列的富集化+2DCNN-AE+LSTM-AE

文章目录

一、论文概括
  1. 研究对象
  2. 目标
  3. 方法
  4. 结论

在这里插入图片描述

二、相关引入工作
  1. 自编码器（AE）
  2. 引入本文方法
  3. 本文贡献

在这里插入图片描述

在这里插入图片描述

三、作者提出的方法
  1. 模型
  2. 时间序列的富集化（两步走）
  3. 基于子自编码器的深度神经网络
  4. 嵌入上下文信息
  5. “新的”架构
  6. 实验分析

在这里插入图片描述

时间序列的富集化
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

是肉球哇
关注
  • 9
    点赞
  • 踩
  • 26
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
专栏目录
第十二篇论文.pptx
05-09
Outlier Detection for Multidimensional Time Series using Deep Neural Networks 基于深层神经网络的多维时间序列离群点检测
lstm原始论文_【论文分享】--多维时间序列异常检测
weixin_39824834的博客
12-04 646
论文题目：Outlier Detection for Multidimensional Time Series using Deep Neural Networks （发表在MDM2018上，作者单位：丹麦艾尔堡大学）这篇文章方法并不复杂，但提供了一个好的思路：首先将原始的时间序列通过滑动窗口的形式，对每个窗口内的序列做特征提取，然后将提取的特征送给 AutoEncoder。在检测时，若 Auto...
multivariate time series anomaly detection survey
idevede的博客
05-07 1万+
Detecting spacecraft anomalies using lstms and nonparametric dynamic thresholding (Hundman et al. [2018])---宇航员，开源，将多通道分成单通道。 本文创新之处有两个：提出一种动态、无监督的确定阈值的方法；重新判定是否异常以减少误报率。   本文只向后预测一步，并且只预测一个维度，收集每一步的...
[文献阅读]Detecting Spacecraft Anomalies Using LSTMs and Nonparametric Dynamic Thresholding
RegulusF的博客
01-08 2781
使用LSTM和非参数的动态阈值检测航天器的异常，发表在2018年的KDD上。 ABSTRACT    随着航天器返回越来越多的遥测数据，需要改进异常检测系统以减轻操作工程师的监控负担并降低操作风险。当前的航天器监视吸引同仅针对一部分的异常类型，并且由于这些数据异常涉及到的规模以及复杂性，常常需要高昂的人力成本来维护和开发。    1.我们证明在标记SMAP卫星和Curiosity火星车的异常数据上，LSTM（RNN的一种）的有效性。    2.我们还提出了在SMAP异常检测系统中实验实施期间开发的一种互补的
【论文阅读】Dynamic Error Thresholds
Lamours的博客
12-16 632
Dynamic Error Thresholds 前言 基于预测和阈值的方法来做异常检测，在常规的方法中，我们往往会使用一种最朴素的方法来确定阈值，也就是设置一个常数，如果超过这个常数，那么认为某个点是「异常」的。 论文《Detecting Spacecraft Anomalies Using LSTMs and Nonparametric Dynamic Thresholding》 提到了一种动态设置阈值的方法，最近也是学习实现了一下。 你可以在这里找到原文: Detecting Spacecraft A
离群点(outlier detection)和新颖点(novelty detection)检测与OneClassSVM应用实例(基于python)
Yancy的博客
04-18 1万+
目录 引言 异常值检测（Outlier Detection） 新颖性检测（Novelty Detection） sklearn.svm.OneClassSVM 引言 在异常检测领域中，我们常常需要决定新观察的点是否属于与现有观察点相同的分布（则它称为inlier），或者被认为是不同的（称为outlier）。 在这里，必须做出两个重要的区别： 异常值检测，outlier detecti...
Effective time series outlier detection algorithm based on segmentation
08-28
Effective time series outlier detection algorithm based on segmentation
Outlier Detection using Structural Scores in a High dimensional Space
02-08
Outlier detection is very useful in many applications, such as fraud detection and network intrusion detection. Most existing methods rely implicitly or explicitly on distances in Euclidean space. ...
Deep Learning: Practical Neural Networks with Java 完整高清英文azw3版
06-14
Explore neural networks using some of the most popular Deep Learning frameworks Dive into Deep Belief Nets and Stacked Denoising Autoencoders algorithms Apply machine learning to fraud, anomaly, and ...
Forward Neural Network for Time Series Anomaly Detection
12-26
腾讯的研究论文，摘要：Time series anomaly detection is usually formulated as finding outlier data points relative to some usual data, which is also an important problem in industry and academia....
第十七篇论文.pptx
06-05
Temporal Pattern Attention for Multivariate Time Series Forecasting
第五、六篇论文.pptx
04-16
《2019Cross-dataset Time Series Anomaly Detection for Cloud Systems云系统跨数据集时间序列异常检测》和《2019Learning Competitive and Discriminative Reconstructions for Anomaly Detection异常检测的竞争和判别重构学习》
神经网络分析.pptx
09-15
神经网络-GPU分析优化，时间更宝贵，尽可能使模型变快（减少flop） 显存占用不是和batch size简单成正比，模型自身的参数及其延伸出来的数据也要占据显存 batch size越大，速度未必越快。在你充分利用计算资源的时候，加大batch size在速度上的提升很有限（减少数据加载等待，提高并行）
2021-01-12
T_RNA75的博客
01-12 249
天池学习第一阶段–异常检测概述 异常检测（Outlier Detection），顾名思义，是识别与正常数据不同的数据，与预期行为差异大的数据。 识别如信用卡欺诈，工业生产异常，网络流里的异常（网络侵入）等问题，针对的是少数的事件。 异常的类别 点类别 指的是少数个体实例是异常的，大多数个体实例是正常的，例如正常人与病人的健康指标； 上下文异常 又称上下文异常，指的是在特定情境下个体实例是异常的，在其他情境下都是正常的，例如在特定时间下的温度突然上升或下降，在特定场景中的快速信用卡交易 群体异常 指的是在群体
【深度学习论文翻译】基于LSTM深度神经网络的时间序列预测（Time Series Prediction Using LSTM Deep Neural Networks）
水亦心的博客
04-03 1万+
目录 一、前言 二、摘要 三、什么是LSTM神经元？ 四、简单正弦波示例 五、 不那么简单的股票市场 六、多维LSTM预测 七、结论 一、前言 最近需要用到时间序列，在网上也找到了一篇相关的文章及源代码，在此分享给大家。 1.文章原文：https://www.altumintelligence.com/articles/a/Time-Series-Prediction-Usin...
Outlier Detection异常检测算法学习笔记
最新发布
weixin_42101177的博客
07-10 853
异常检测算法总结
（七）Outlier Detection for Time Series with Recurrent Autoencoder Ensembles 基于递归自编码集成的时间序列离群点检测
WangZixuan1111的博客
04-09 3143
本文发表于2019年IJCAI会议上，全文主要围绕“异常检测+时间序列+集成+自编码器”展开，以下是我学习本篇论文后的收获，如有不正确的地方，请大家批评指正！ 研究方向 写作动机 实现思路 文章创新 ...
（十六）Modeling Long- and Short-Term Temporal Patterns with Deep Neural Networks（LSNet）
热门推荐
WangZixuan1111的博客
06-05 4万+
相关PPT已经上传，可以在我上传的资源里看到，可免费下载 论文信息 2018 SIGIR(CCFA) 作者单位：CMU(Carnegie Mellon University卡内基梅隆大学) 多元时间序列预测 论文链接：Modeling Long- and Short-Term Temporal Patterns with Deep Neural Networks 代码链接：https://github.com/laiguokun/LSTNet 解析论文的参考的论文： 参考一：https://zhuanl

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

是肉球哇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值