基于随机Transformer的多维时间序列异常检测模型OA
Anomaly detection model for multivariate time series based on stochastic Transformer
针对已有基于变分自编码器(VAE)的多维时间序列(MTS)异常检测模型无法在隐空间中传播随机变量间的长时依赖性问题,提出了一种融合Transformer编码器和VAE的随机Transformer MTS异常检测模型(ST-MTS-AD).在ST-MTS-AD的推断网络中,Transformer编码器产生的当前时刻MTS长时依赖特征和上一时刻随机变量的采样值被输入多层感知器,由此生成当前时刻随机变量的近似后验分布,实现随机变量间的时序依赖.采用门控转换函数(GTF)生成随机变量的先验分布,ST-MTS-AD的生成网络由多层感知器重构MTS各时刻取值分布,该多层感知器的输入为推断网络生成的MTS的长时依赖特征和随机变量近似后验采样值.ST-MTS-AD基于变分推断技术学习正常MTS样本集分布,由重构概率对数似然确定MTS异常片段.4个公开数据集上的实验表明,ST-MTS-AD模型比典型相关基线模型的F1分数有明显提升.
霍纬纲;梁锐;李永华
中国民航大学计算机科学与技术学院,天津 300300中国民航大学计算机科学与技术学院,天津 300300中国民航大学计算机科学与技术学院,天津 300300
信息技术与安全科学
随机Transformer变分自编码器多维时间序列异常检测
《通信学报》 2023 (2)
94-103,10
国家自然科学基金资助项目(No.62173331)中央高校基本科研业务费专项资金资助项目(No.3122019190)
评论