GSLAD

新的GSLAD框架通过时间序列数据中的结构偏差检测异常

研究人员推出GSLAD，一种用于检测多元时间序列数据中异常的新型框架，特别适用于工业故障检测。与专注于预测或重构的传统方法不同，GSLAD通过检测变量之间结构模式的偏差来识别异常。该框架采用两阶段训练策略，首先学习正常的图结构，然后将这些结构聚类成原型来正则化学习过程。这种方法能够识别那些即使在个体轨迹保持在正常范围内时，也表现为变量间关系变化的异常。