实体
TSB-AD-M
TSB-AD-M
PulseAugur coverage of TSB-AD-M — every cluster mentioning TSB-AD-M across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
ExCal 方法为时间序列提供无需优化的异常检测
研究人员开发了 ExCal，一种无需梯度优化或异常标签即可检测多元时间序列数据中异常的新颖方法。该系统结合了原始状态检索、信号/导数分析以及跨不同时间尺度的稳健统计。在对来自 17 个家族的 180 个序列的评估中，ExCal 取得了强劲的性能，在 24 种方法中排名第二，并且与 AxonAD 和 StreamVAE 等领先的非预训练方法没有显著差异。
-
VACE方法通过几何表征改进时间序列异常检测
研究人员推出了一种新颖的自监督方法VACE，用于检测多元时间序列数据中的异常。VACE代表速度对齐通道嵌入（Velocity-Aligned Channel Embeddings），专注于学习正常数据行为的几何结构化表征。与以往的对比学习方法不同，VACE使用速度一致性目标且无需负样本，确保正常轨迹在嵌入空间中平滑且方向一致。通过识别偏离既定常态的情况，这种方法可以实现更精确的异常检测，并在TSB-AD-M基准测试中取得了最先进的成果。