English(EN) IMPACT: Influence Modeling for Open-Set Time Series Anomaly Detection

IMPACT框架增强时间序列异常检测

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-22 04:00

研究人员开发了一个名为IMPACT的新框架，用于开放集时间序列异常检测。该方法利用影响建模来估计单个训练样本的影响，从而能够生成逼真的未见异常，并将高影响力样本重新用于异常去污。实验表明，IMPACT在各种设置和污染率下均显著优于现有的最先进方法。 AI

影响增强了时间序列数据的异常检测能力，可能改进欺诈检测和系统监控等应用。

排序理由发表了一篇详细介绍新框架及其实验结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Xiaohui Zhou, Yijie Wang, Hongzuo Xu, Weixuan Liang, Xiaoli Li, Guansong Pang · 2026-05-22 04:00

IMPACT：面向开放集时间序列异常检测的影响建模

arXiv:2603.29183v3 Announce Type: replace-cross Abstract: Open-set anomaly detection (OSAD) is an emerging paradigm designed to utilize limited labeled data from anomaly classes seen in training to identify both seen and unseen anomalies during testing. Current approaches rely on…