论文阅读
文章平均质量分 80
末世灯光
这个作者很懒,什么都没留下…
展开
-
基于变量间注意机制的Transformer多元时间序列异常检测
本文提出了一种基于变压器模型的多变量时间序列异常检测方法,命名为变量时间变换器(Variable Temporal Transformer, VTT),特别强调了通过结合时间自注意力和变量自注意力机制来捕捉时间序列数据中的时间依赖性和变量间的相关性。VTT模型的核心贡献包括:引入了一种新颖的自注意力机制,有效整合了时间依赖性和变量间相关性的分析,提高了多变量时间序列异常检测的准确性和效率。设计了异常解释模块,不仅能检测出异常,还能在一定程度上解释异常发生的原因,提高了异常检测的可解释性。原创 2024-04-11 11:31:05 · 1001 阅读 · 0 评论 -
多传感器时间序列信号的无监督深度异常检测
在本文中,提出了一种新的基于深度学习的异常检测算法,称为深度卷积自编码记忆网络(CAE-M)。我们首先构建了具有最大平均差异(MMD)惩罚的深度卷积自编码器,以表征多传感器时间序列信号,并降低由训练数据中的噪声和异常引起的过拟合风险。本文提出了一种卷积自编码记忆网络。特征网络使用深度卷积自编码器来学习低维特征,Z_f表示的自编码器的特征提取结果,Z_r表示原始数据与重构数据之间的均方误差。在未来的工作中,我们将专注于基于点的细粒度异常检测方法,并通过设计适当的稀疏操作进一步改进我们的多传感器数据检测方法。原创 2024-04-11 11:29:10 · 289 阅读 · 0 评论 -
基于GAN的多变量时间序列污染训练集异常检测
针对传统的基于AE和基于GAN的异常检测方法存在的过拟合问题,我们提出了Filter GAN,在训练鉴别器之前对可能的异常样本进行筛选,使模型能够准确地捕捉到正态数据的分布,并为生成器设计了一个特殊的目标Adaptive Weight Loss,在训练过程中根据不同点的重构误差动态分配权重。然而,现有的基于人工神经网络的方法缺乏针对异常检测任务设计的有效正则化方法,容易过拟合,而基于GAN的方法大多是在无污染的训练集假设下进行训练,这意味着训练集全部由正常样本组成,在实践中很难满足这一要求。原创 2024-04-11 11:26:04 · 575 阅读 · 1 评论 -
基于特征的多模态生物信号信息检索与自相似矩阵:专注于自动分割
最后,通过分析SSM来检索信息,包括使用新颖性搜索确定信号的变化点、周期性搜索识别重复模式,以及通过相似性分析比较不同子序列或段落之间的相似度。新颖性搜索:在SSM的对角线上应用一个特定的核(如棋盘格模式的核),通过滑动这个核并计算新颖性函数来识别变化点,即时间序列行为的显著变化。2. 构建自相似矩阵(SSM):利用提取的特征构建SSM,其中矩阵中的每个元素代表时间序列中两个子序列之间的相似度。相似性分析:分析SSM中的相似性轮廓,比较不同子序列之间的相似度,用于进一步的分析和处理。原创 2024-04-11 11:23:38 · 362 阅读 · 0 评论 -
网络流量中的准周期通信行为的分析和检测
它们之间的点是噪声。考虑到应用流可能有多于一个LTQP通信行为,所有非零周围的IPGT类应该被检测为准周期,并使用短路判断,只要有一个类是准周期的,就可以确定流具有准周期通信。选择了基于密度的空间聚类算法DBSCAN,其基本思想如下:聚类中的每个点在给定的半径内至少包含给定数量的点,密度足够高的区域将被划分为一个类。通过实验,实现了对LTQP通信行为的检测。步骤3:否则,形成一个新的IPT类C,将P添加到C中,并将P的附近点中未访问且在reps内有超过Ptsmin个附近点的所有点标记为已访问。原创 2024-04-11 11:19:23 · 428 阅读 · 0 评论 -
论文阅读---《Unsupervised ECG Analysis: A Review》
电心图(ECG)是检测异常心脏状况的黄金标准技术。自动检测心电图异常有助于临床医生分析心脏监护仪每天产生的大量数据。由于用于训练监督式机器学习模型的带有心脏病专家标签的异常心电图样本数量有限,对于心电图分析,越来越需要无监督学习方法。无监督学习旨在将心电图样本分成不同的异常类别,而无需心脏病专家提供的标签,这个过程被称为心电图聚类。除了异常检测,心电图聚类还最近发现了反映有关整个身体和思维的互和内个体模式,例如情绪、心理障碍和代谢水平等有价值的信息。原创 2023-08-08 19:31:15 · 990 阅读 · 0 评论 -
论文阅读---《Snippet Policy Network for Multi-classVaried-length ECG Early Classification》
心电图心律失常检测是心血管疾病预防和诊断中的重要研究课题。目前的研究将心电图心律失常检测定式为时间序列分类问题。与此同时,心律失常的早期检测在早期预防和诊断方面呈现出真实世界的需求。在本文中,我们解决了心血管疾病早期分类问题,该问题也是一个不定长和长时序的早期分类问题。为了解决这个问题,我们提出了一种基于深度强化学习的框架,即片段策略网络(SPN),由四个模块组成:片段生成器、主干网络、控制代理和鉴别器。与现有方法相比,所提出的框架具有灵活的输入长度,解决了早期性和准确性目标的双重优化问题。原创 2023-08-08 17:23:40 · 100 阅读 · 0 评论 -
论文阅读---《Graph Regularized Autoencoder and itsApplication in Unsupervised Anomaly Detection》
降维对于许多无监督学习任务,包括异常检测和聚类,是一个至关重要的第一步。自编码器是一种常用的机制,用于实现降维。为了使高维数据嵌入到非线性低维流形的降维变得有效,人们认识到应该使用某种测量测地线距离的方法来区分数据样本。受到ISOMAP等测地线距离近似算法的成功启发,我们提出使用最小生成树(MST)——一种基于图的算法,来近似局部邻域结构,并生成数据点之间保持结构的距离。原创 2023-08-08 12:48:43 · 181 阅读 · 0 评论 -
论文阅读---《Unsupervised Transformer-Based Anomaly Detection in ECG Signals》
异常检测是数据处理中的一个基本问题,它涉及到医疗感知数据中的不同问题。技术的进步使得收集大规模和高度变异的时间序列数据变得更加容易,然而,为了确保一致性和可靠性,需要复杂的预测分析模型。随着收集数据的规模和维度的增加,深度学习技术,例如自编码器(AE)、循环神经网络(RNN)和长短期记忆(LSTM),受到越来越多的关注,并被认为是最先进的异常检测技术。最近,基于Transformer架构的发展被提出作为改进的注意力机制的知识表示方案。原创 2023-08-07 19:22:43 · 1767 阅读 · 1 评论 -
如何查看论文被引用情况
Dimensions上汇聚了多种类型的学术成果(期刊、图书、专利、临床试验),它好的地方在于可将论文与被引用情况、研究资金来源、相关临床试验、专利信息以及政策文件全部关联起来,从而对一项研究进行了从起源到结果的全方位描述。输入搜索标题的 doi。原创 2023-07-07 21:16:35 · 302 阅读 · 0 评论 -
StandardScaler函数用法
StandardScaler()` 是来自 `sklearn.preprocessing` 模块的一个类,其作用是进行特征缩放,使得所有特征的均值为 0,标准差为 1。如果你想要在计算均值和标准差的同时进行缩放,可以使用 `fit_transform` 函数,或者在调用 `fit` 函数后,再调用 `transform` 函数。- `fit` 函数用来计算数据的均值和标准差,为之后的缩放做准备。在调用 `fit` 函数后,`StandardScaler()` 对象会保存计算得到的均值和标准差。原创 2023-07-06 18:14:50 · 4061 阅读 · 0 评论 -
网络攻防技术--论文阅读--《基于自动数据分割和注意力LSTM-CNN的准周期时间序列异常检测》
准周期时间序列(QTS)在现实世界中广泛存在,检测QTS的异常是非常重要的。在本文提出了一种由基于二级聚类的QTS异常检测框架(AQADF)。分割算法(TCQSA)和混合注意LSTM-CNN模型(HALCM)。TCQSA首先自动拆分QTS进入准周期,然后通过HALCM将其分类为正常周期或异常。值得注意的是,TCQSA集成了集群技术和k-均值技术,使其具有高度通用性和抗噪性。HALCM将LSTM和CNN杂交到同时提取QTS的总体变化趋势和局部特征,以建立其波动模式。原创 2023-05-31 01:05:22 · 1040 阅读 · 0 评论 -
论文阅读---《Human activity recognition using quasiperiodic timeseries collected from a single tri-axia》
当前一代的便携式移动设备结合了各种类型的传感器,为分析人类行为开辟了新的领域。在本文中,我们提出了一种使用从智能手机的单个三轴加速度计收集的时间序列来识别人类身体活动的方法。首先,该方法解决了在线时间序列分割的问题,假设每个有意义的片段对应于一个基本的运动周期。为了提取基本周期,我们应用主成分分析技术构建了相位轨迹矩阵。所获得的片段指的是各种类型的人类身体活动。为了识别这些活动,我们使用k最近邻算法和神经网络作为替代。原创 2023-04-27 13:26:23 · 169 阅读 · 1 评论 -
学习笔记-主成分分析法
PCA的数学思想:根据p个特征的线性组合,得到一个新的特征z,使得该特征的方差最大,该特征即为主成分。再次寻找p个特征的线性组合,得到新的特征,该特征与之前得到的主成分线性无关,且方差最大。其余要点:如果每个主成分的贡献率都相差不多,则不建议使用PCA。因为它一定程度上舍弃了部分信息,来提高整体的计算效率。对于降维形成的主成分,我们经常无法找到其在实际情况中所对应的特征,即主成分的解释其含义一般带有模糊性,不像原始变量的含义那么清楚确切,这也是PCA的缺陷所在。PCA不可用于评价类模型。原创 2023-04-26 23:13:00 · 658 阅读 · 0 评论 -
现代密码学--结课论文---《70年代公钥传奇》
当我开始证明它是能够做到的时候,我尝试用各种办法来完善存在的缺陷,当我清楚如何做到时,这一切发生的非常迅速。尽管他在学校表现的并不出色,但他很聪明,并在麻省理工的入学考试中取得了优异的成绩。令人意想不到的是,攻读博士学位的第一年他就结婚了,这并没有让他放慢脚步,在攻读博士学位的第二年,他就发表了著名的论文:《发现他的解决方案效率低下,凭借他们对密码学的理解,很快就找到了解决密钥分配问题更加高效的方案,并提出了公钥密码学新的发展方向。他把所有的想法写下来,然后当初分享,却遭到了很多人的质疑和否定。原创 2023-04-22 20:31:33 · 762 阅读 · 0 评论 -
论文阅读---《人类活动识别的准周期时间序列聚类》
本文利用移动加速度计对时间序列中的周期信号进行分析,以识别人体活动。时间轴上的每个点对应历史时间序列的一段。这些片段在人类活动的相空间中形成相轨迹。相位轨迹段的主成分被视为时间轴上该点的特征描述。本文在新的特征空间中引入了新的点间距离函数。为了揭示人类活动类型的变化,本文提出了一种算法。该算法通过使用成对距离矩阵对时间轴上的点进行聚类。在合成数据和实际数据上对算法进行了验证。这个真实的数据是由一个移动加速度计获得的。原创 2023-04-20 17:15:51 · 681 阅读 · 1 评论 -
相空间相关概念以及轨迹生成
在相空间中,一个系统的状态由一组变量(通常称为状态变量)表示,这些变量共同定义了系统在某一时刻的完整状态。给定加速度时间序列 a(t),构建一个 n 维状态向量 A(t) = [a(t), a(t + τ), a(t + 2τ), ..., a(t + (n-1)τ)],其中 n 是嵌入维数,τ 是时间延迟。这个集合称为吸引子。通过研究相空间和相轨迹,我们可以更好地理解系统的内在动力学行为,从而有助于设计有效的控制策略和预测方法。例如,一个有两个状态变量(位置和速度)的力学系统的状态空间是二维的。原创 2023-04-20 16:33:14 · 1473 阅读 · 0 评论 -
机器学习---结课论文
机器学习与隐私保护结课论文摘 要:随着大数据时代的到来,时间序列数据在各个领域被广泛应用。然而,如何在利用这些数据的同时保护用户隐私成为了一个亟待解决的问题。本文回顾了时间序列数据的基本概念及其在机器学习中的应用,并总结了当前面临的隐私保护问题及已有的解决方案。接着,分析了这些解决方案的不足之处,并提出了新的隐私保护方法。最后,展望了未来研究方向。本文旨在为时间序列数据的隐私保护提供一个全面的概述,为未来相关研究奠定基础。关键词: 时间序列数据;机器学习;隐私保护;差分隐私;安全多方计算;原创 2023-04-18 09:24:43 · 4258 阅读 · 1 评论 -
精选3款论文翻译神器,直接翻译PDF全文英文文献!
1200万词汇量,涵盖了临床各科、基础医学、分子生物学、药物、器械和中医中药等领域的最新词汇。它会根据剪切板自动翻译复制的段落,语言种类超多,支持多国语言互译。其中SCI双语论文例句40万,医学单语例句60万,只要用鼠标选中段落或句子,自动翻译,准确率非常高,接近于专业人工翻译,适合精读。知云文献翻译,兼具强大的英文翻译及pdf阅读功能,可同时打开多篇pdf、可做标注和注释。最强悍的用于PDF文献阅读的翻译软件,各大主流浏览器与阅读器一网打尽,哪里不会指哪里!段落翻译内容,一键分享到微信,中英文对照。原创 2023-02-25 22:15:49 · 4710 阅读 · 2 评论 -
闵帆老师《论文写作》课程学习心得
(21)这里固定摘要书写10句:第1句,问题及其重要性;第2句, 已有工作;第3句,已有工作局限性;第4句,本文工作;第5句,本文方法的第 1 个技术/步骤/方面/优势/贡献;第6句,本文方法的第 2个技术/步骤/方面/优势/贡献;第7句,本文方法的第 3 个技术/步骤/方面/优势/贡献;第8句,给出实验数据的领域、来源、数量;第9句,实验结果的展示;第10句,提升。(32)我们论文中使用矢量图;图片需要画的言简意赅,可以寻找相关和不相关专业的同学进行指导。原创 2022-12-14 14:34:02 · 346 阅读 · 0 评论 -
高维多元时序数据聚类
收集数据的能力不断增强,使我们有可能收集大量的异构数据。在可用的异构数据中,时间序列代表着尚未被充分探索的信息母体。当前的数据挖掘技术在分析时间序列时存在多个缺点,尤其是在应同时分析多个时间序列(即多维时间序列)以从数据中提取知识时。原创 2022-11-30 18:05:48 · 3776 阅读 · 1 评论 -
高维多元时序数据之间的相似性度量
时间序列作为一种按时间顺序排列的特殊数据,是数据挖掘的重要研究内容,其中包括数据准备、数据选择、数据预处理、数据缩减、数据挖掘目标确定、挖掘算法确定、数据挖掘、模式解释及知识评价9个处理步骤W。数据挖掘方面的方法或算法,按挖掘任务的不同,可W分为W下几个大类:分类知识发现、数据聚类、关联规则发现、数据总结、序列模式发现、依赖关系或依赖模型发现、异常发现和趋势预测等。由于多变量时间序列多噪声、多变量、变量相关性及序列时间维度不等长等问题,増加了对其进行数据挖掘的难度。单变量。原创 2022-11-30 11:51:32 · 2667 阅读 · 0 评论 -
时序特征提取工具
在选择了需要提取的特征,确定了时序数据特征提取数据集的长度并对先验知识建模之后,就需要利用工具搭建特征提取系统。科研机构围绕不同问题域搭建的开源时序数据特征提取工具已经不少,我们可以利用这些工具快速实现希望达成的算法效果。下面介绍几种常用的时序特征提取工具(如python tsfresh,Time Series Feature Extraction Library (TSFEL),cesium、fats和hctsa),以供我们在做时序数据分析过程中技术选型参考。原创 2022-11-29 19:16:05 · 2271 阅读 · 0 评论 -
论文阅读-基于低秩分解的网络异常检测综述
异常检测对于网络管理与安全至关重要.国内外大量研究提出了一系列网络异常检测方法,其 中大多数方法更关注数据包及其独立时序数据流的分析、检测与告警,这类方法仅仅利用了网络数据之 间的时间相关性,无法检测新类型的网络异常,且难以定位以及剔除异常数据.为了解决上述问题,相关 研究融合多时间序列数据流,提出基于低秩分解的网络异常检测方法.该方法充分利用网络数据之间的 时间 空间相关性,无监督地定位异常数据所在位置,同时将异常数据剔除,从而还原网络正常数据.原创 2022-11-17 18:39:35 · 632 阅读 · 0 评论 -
论文阅读-Federated Social Recommendation with Graph NeuralNetwork
它要求在机器学习模型中提供数据隐私保护的解决方案,并提出了现有的基于集中训练的模型的隐私问题。该文章具有鲜明的特色,采用联邦学习的方法避免用户隐私传到服务器导致隐私信息泄露,在用户端即可训练模型,本质是数据不动模型动。它首先从多跳邻居中对固定大小的节点进行采样,然后使用聚合器对这些采样的节点进行聚合,以学习中心节点的嵌入。因此,针对社交推荐任务,我们设计了一个联邦学习推荐系统,该系统具有异构性、个性化和隐私保护要求,具有一定的挑战性。是两个开创性的工作,研究了一种新的联邦学习框架,用于学习推荐系统的用户。原创 2022-11-15 16:19:21 · 1239 阅读 · 5 评论 -
论文阅读-Dr.Deep_基于医疗特征上下文学习的患者健康状态可解释评估
深度学习是当前医疗多变量时序数据分析的主流方法。临床辅助决策关乎病人生命健康,因此 深度模型需要抽取患者个性化表示,保证较高的分析、预测准确率;同时还需提供足够的可解释性,即能 解释模型给出分析、预测结论的依据。而现有工作暂未能匹配医疗领域多变量时间序列数据的特性来进 行个性化表示学习,同时源于深度学习的黑盒性质,现有模型大都可解释性不足,难以满足临床应用的 需求。原创 2022-11-17 13:01:28 · 378 阅读 · 0 评论 -
推荐算法---矩阵分解
推荐算法---矩阵分解原创 2022-11-08 18:19:20 · 912 阅读 · 2 评论 -
论文阅读-Time-series clustering – A decade review
时间序列数据综述文章,主要介绍聚类操作的算法以及评价方法等。原创 2022-11-02 11:47:47 · 897 阅读 · 2 评论