Structure Attention

新的CARE框架提高了时间序列异常检测效率

研究人员开发了CARE，一个新颖的级联推理框架，旨在提高时间序列异常检测的效率。该框架集成了轻量级预过滤模型（LPM）和复杂检测模型（CDM），以快速识别和过滤掉正常数据点。通过利用残差MLP自编码器、正态条件门控和结构注意力模块，CARE可以显著降低该领域深度学习模型的计算开销。实验表明，CARE在保持高检测质量的同时，推理速度显著提高了2.7倍至4.8倍。