论文:Long Short Term Memory Networks for
Anomaly Detection in Time Series
论文链接:论文
文章详解:
训练模型:1)长期短时记忆(LSTM)网络因为具有维持长期记忆的能力已被证明对学习包含未知长度的长期模式的序列特别有用。2)在这样的网络中,隐藏层越多能够学习更高水平的时间特征。
结果预测:产生的预测误差被建模为多元高斯分布,用于评估异常行为的可能性。
正文:
堆叠LSTM模型结构比较简单,它通过叠加LSTM来增添网络隐藏层以此学习到水平更高的时间特征。模型中利用sigmoid函数作为激活单元。ps:因为没找到代码,无法确认图中LSTM/Sigmoid layer单元下箭头的具体含义。如果看这篇文章的朋友们清楚的话,欢迎在底下留言。