[Time-series 논문 리뷰] Unsupervised Time Series Outlier Detection with Diversity-Driven Convolutional Ensembles(PVLDB, 2022)

Abstract

• 기존 연구 한계
  • 정확성, 효율성 측면에서 개선의 여지 O
• 제안: 다양성 중심의 convolution ensemble
  • 정확성 향상: 시계열의 시간적 의존성을 포착할 수 있는 컨볼루션 시퀀스 대 시퀀스 오토인코더를 기반으로 한 다수의 기본 이상치 탐지 모델을 사용
    • 기본 모델들 사이의 다양성을 유지하여 앙상블의 정확성을 향상시키는 것을 목표
  • 효율성 향상: 훈련 도중 높은 수준의 병렬 처리, 한 기본 모델에서 다른 모델로 일부 모델 매개변수를 전송할 수 있어 훈련 시간을 줄임