异常检测论文解析|COCA：深度对比单类时间序列异常检测

论文题目：Deep Contrastive One-Class Time Series Anomaly Detection

地址：https://arxiv.org/abs/2207.01472

代码：https://github.com/ruiking04/COCA

一、论文简介

论文主要内容

• 结合Contrastive Learn-ing和One-class做时序异常检测，提出论文的模型，简称COCA。

• 提出一种新的时间序列CL范式，即“sequence contrast”。通过分析CL所解决的问题，明确了它的本质是表征。

• 提出一种新的对比单类损失函数，既优化对比学习又优化单类分类，同时避免“超球崩溃”。

二、COCA的模型架构

如上图所示，分为以下几个模块：

(1)数据增强

抖动(噪声添加)和缩放(模式方向的幅度变化)。

(2) Feature encoder

2个卷积结构：

(3) Seq2seq

Seq2Seq由一个Encoder和一个Decoder组成。

Encoder是一个3层长短期记忆(LSTM)

Decoder是一个3层长短期记忆(LSTM)，后面是一个全连接(FC)层。

(4) Projector

使用带有一个隐藏层的MLP，应用BN和ReLU将表示映射到contrastive one-class loss的空间。

三、COCA的优化目标

回顾：One-class classification

One-class的代表性方法Deep SVDD的优化