跳到正文
arXiv · ML· Cristhian Moya-Mota, Ignacio Aguilera-Martos, Diego Garc\'ia-Gil, Juli\'an Luengo·· 24 天前AI 评分33

LEAP:用于时间序列异常检测的潜在嵌入异常 Patch-Transformer

LEAP: a Latent Embedding Anomaly Patch-Transformer for time-series anomaly detection

AI 导读

论文提出 LEAP 模型,结合掩码预测与潜在表征异常证据,无需重建或基于注意力的评分机制。 在 TSB-AD 协议下,LEAP 全模型在 180 条留出多元时间序列上取得 0.5179±0.0022 的 VUS-PR;单变量变体在 TSB-AD-U 的 350 条序列上达到 0.6194±0.0016。 五阶段消融实验显示各组件均带来统计显著的性能增益。

来源:arXiv · ML · arxiv.org