MOMEMTO

新型MOMEMTO模型通过记忆模块改进时间序列异常检测

研究人员开发了MOMEMTO，这是一种新颖的时间序列基础模型（TSFM）变体，旨在改进异常检测。该模型包含一个基于块的记忆模块，该模块存储跨多个域的代表性正常模式，从而使单个模型能够跨这些域进行微调。MOMEMTO使用预训练编码器的潜在表示来初始化记忆项，并将它们组织成通过注意力机制更新的块级单元。在23个单变量基准数据集上的评估表明，MOMEMTO在AUC和VUS指标上优于基线方法，尤其是在少样本学习场景中提高了性能。