[Time-series 논문 리뷰] FluxEV: A Fast and Effective Unsupervised Framework for Time-Series Anomaly Detection(WSDM, 2021)

2024 딥러닝/Time-series 논문 리뷰

융딩2 2024. 4. 24. 17:19

Abstract

기존 연구 한계
- 엄청난 양의 데이터, 복잡한 데이터 패턴, 그리고 제한된 계산 자원
- SPOT은 효율적인 스트리밍 알고리즘이지만, 전체 데이터 분포에서 극단적인 값에만 민감
제안하는 것: FluxEV
- 빠르고 효과적인 비감독 이상 감지 프레임워크
- 비극단적 이상을 극단적 값으로 변환
- SPOT의 한계를 해결하고 탐지 정확도에서 엄청난 향상

[Time-series 논문 리뷰] A Deep Neural Network for Unsupervised Anomaly Detection and Diagnosis in Multivariate Time Series Data(AAAI, 2019) (0)	2024.04.24
[Time-series 논문 리뷰] USAD: UnSupervised Anomaly Detection on Multivariate Time Series(KDD, 2020) (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] Prototype-oriented unsupervised anomaly detection for multivariate time series(ICML, 2023) (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

현재글[Time-series 논문 리뷰] FluxEV: A Fast and Effective Unsupervised Framework for Time-Series Anomaly Detection(WSDM, 2021)

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