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

最新推荐文章于 2024-07-05 22:49:40 发布
最新推荐文章于 2024-07-05 22:49:40 发布
阅读量2.3k 收藏 27
点赞数 10
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
  • 10
    点赞
  • 踩
  • 27
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 5
    评论
专栏目录
[文献阅读]Detecting Spacecraft Anomalies Using LSTMs and Nonparametric Dynamic Thresholding
RegulusF的博客
01-08 2822
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
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》
多变量时间序列异常检测
最新发布
qq_30125323的博客
07-05 477
异常检测常用于发现大量分布相似数据中的不常见样本。在工业界得到广泛应用，例如社交网络中的欺诈检测、视频中的异常行为检测、互联网中的异常流量检测等。随着生成式模型的逐渐成熟，目前基于生成式模型的异常检测方法在各种应用中取得了较好的效果。这些方法都基于这样的假设：相比于异常样本，正常的样本可以很容易地由生成模型重建得到。因此我们可以构建一个自编码器（AutoEncoder, AE）通过度量重建误差来衡量样本是否是异常样本。
lstm原始论文_【论文分享】--多维时间序列异常检测
weixin_39824834的博客
12-04 664
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...
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
multivariate time series anomaly detection survey
热门推荐
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...
【论文阅读】Dynamic Error Thresholds
Lamours的博客
12-16 639
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
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 ...
第十七篇论文.pptx
06-05
Temporal Pattern Attention for Multivariate Time Series Forecasting
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）
第十六篇论文.pptx
06-05
Modeling Long- and Short-Term Temporal Patterns with Deep Neural Networks（LSNet）
第七篇论文.pptx
04-16
《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》
非线性时间序列_范剑青_中文
02-24
非线性时间序列_范剑青_中文..................................................................................................................................
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....
Detecting Spacecraft Anomalies Using LSTMs and Nonparametric Dynamic Thresholding
程序猿进化梯
11-07 749
第一作者信息： Kyle Hundman NASA Jet Propulsion Laboratory California Institute of Technology kyle.a.hundman@jpl.nasa.gov 之前周报做的ppt，分享于此。 注：本篇论文已上传到资源，需要的童鞋可免费下载。 博主研究方向为时间序列的异常检测，欢迎交流。知识浅薄，如有错误之处，欢迎指正交流~ ...
【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 可以有几种deep learning解决方案？
02-06
可以使用几种深度学习方法来进行异常值检测，包括： 1. 用自编码器来进行异常值检测。自编码器是一种神经网络，可以对输入数据进行降维处理，并将降维后的数据再转化为与输入数据相似的数据。如果输入的数据是异常...
评论 5
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