文章预览
本文来自华东师范大学团队的最新研究, 首次将目光投向了一项创新的时间序列任务——时间序列异常预测。基于异常发生前必然存在与正常状态相异的前兆信号这一核心假设, 研究团队提出了多尺度重构对比方法, 在异常预测和异常检测任务上均达到 SOTA 效果。与过往那些专注于事后识别的异常检测工作不同,此模型以前瞻性的视角,专注于预测未来的异常。 1.背景 时间序列异常检测技术,凭借对历史序列异常的捕捉,为故障源定位提供了有力支持而备受关注。然而, 这篇工作指出, 现有研究忽略了预防性维护的迫切需求。通过实际观察,研究者们发现,在异常现象浮现之前,数据往往会经历从正常状态向异常状态的微妙波动。这一波动,被定义为反应时间,而其本身,则被视为未来异常的隐秘前兆信号。 尽管现有方法在异常检测中具有良好的效果, 但这些方法
………………………………
