Anomaly detection
文章平均质量分 94
ac同学
快去学习!变得厉害一点鸭!
展开
-
基于GAN框架的时间序列异常检测研究综述
一项综述类的课程作业Anomaly detection with generative adversarial networks for multivariate time series.MAD-GAN: Multivariate anomaly detection for time series data with generative adversarial networks.TAnoGAN: Time Series Anomaly Detection with Generative Advers原创 2021-01-26 11:19:27 · 8835 阅读 · 3 评论 -
Project SAAAD: Scalable Adaptive Auto-encoded Anomaly Detection
Project SAAAD:Scalable Adaptive Auto-encoded Anomaly Detection 可扩展的自适应自动编码异常检测Project SAAAD aims to explore the use of autoencoders for anomaly detection in various ‘big-data’ problems. Specifically, these problems have the following complexities:SAAAD项目原创 2020-06-17 08:57:19 · 361 阅读 · 0 评论 -
轻型异常在线检测器LODA:Lightweight on-line detector of anomalies
LODA的论文:Tomáš Pevn`y. Loda: lightweight on-line detector of anomalies. Machine Learning, 102(2):275–304, 2016.其他LODA的改进论文:Saarinen I: Adaptive real-time anomaly detection for multi-dimensional stream...原创 2020-05-01 11:57:40 · 2162 阅读 · 0 评论 -
几种识别概念漂移(concept drift)的方法
一种方法是将最近一段时间的数据与更长时期的数据进行比较。两个窗口的均值的显著变化是概念漂移的标志。比较参考窗口和最近窗口时,还可以比较平均值以外的其他度量。例如,可以估计它们是否由相同的分布生成。为了估计分布,有时可以将不同的方法应用于较长和较短的时间窗口。这两个窗口也可以分别用于进行预测。当最近窗口的准确性高于较长窗口的准确性时,就会发生概念漂移(concept drift),因为如果概念保持...原创 2020-04-17 10:08:36 · 5880 阅读 · 0 评论 -
多维流数据的自适应实时异常检测
随着数以百万计的设备中数据的涌现,数据量正在高速增长。这带来了对逐流记录的数据流分析,处理和分析数据的日益增长的需求。在这项工作中,对流分析进行了全面的文献综述,重点是检测异常行为。讨论了流分析的挑战和方法。示出了确定和识别异常的不同方式,并且提出了用于流数据的大量异常检测方法。此外,还介绍了用于流分析的现有软件平台和解决方案。根据文献调查,我选择了一种进一步研究的方法,即轻型异常在线检测器(...翻译 2020-04-11 22:56:31 · 2661 阅读 · 2 评论