[Time-series 논문 리뷰] Prototype-oriented unsupervised anomaly detection for multivariate time series(ICML, 2023)

2024 딥러닝/Time-series 논문 리뷰

융딩2 2024. 4. 24. 17:17

Abstract

기존 다변량 시계열 unsupervised anomaly detection 문제점
- 각 다변량 시계열에 대해 고정된 매핑 세트 학습하고자 함
- → 많은 비용, 제한된 모델 적응 수반
해결법
- 확률적 프레임워크 하에 프로토타입 중심의 PUAD 제안
- 각 MTS에 대한 매핑을 학습하는 대신, 여러 MTS를 정상 패턴의 다양한 세트를 대표하는 프로토타입 그룹의 분포로 봄

[Time-series 논문 리뷰] FluxEV: A Fast and Effective Unsupervised Framework for Time-Series Anomaly Detection(WSDM, 2021) (0)	2024.04.24
[Time-series 논문 리뷰] Unsupervised Time Series Outlier Detection with Diversity-Driven Convolutional Ensembles(PVLDB, 2022) (0)	2024.04.24
[Time-series 논문 리뷰] When Model Meets New Normals: Test-time Adaptation for Unsupervised Time-series Anomaly Detection(AAAI, 2024) (0)	2024.04.24
[Time-series 논문 리뷰] ANOMALY TRANSFORMER: TIME SERIES ANOMALY DETECTION WITH ASSOCIATION DISCREPANCY(ICLR, 2022) (0)	2024.04.24
[Time-series 논문 리뷰] Revisiting VAE for Unsupervised Time Series Anomaly Detection: A Frequency Perspective (KDD,2024) (0)	2024.04.24

현재글[Time-series 논문 리뷰] Prototype-oriented unsupervised anomaly detection for multivariate time series(ICML, 2023)

Sleep Quality, domain adaptation, Time Series, Self-distillation, anomaly detection, Outlier Detection, EECS 498-007 / 598-005, multivariate, time series forecasting, distribution shift, Video, 시계열 이상탐지, fault diagnosis, time-series, source-free, 딥러닝 개념, unsupervised anomaly detection, 딥러닝, LLM, forecasting,