Jul, 2024
TeVAE：一种用于变态多变量时间序列数据中离散在线异常检测的变分自编码器方法
TeVAE: A Variational Autoencoder Approach for Discrete Online Anomaly
Detection in Variable-state Multivariate Time-series Data
TL;DR在汽车测试领域，自动在线异常检测越来越受关注，通过对未标记数据进行训练的时序变分自动编码器（TeVAE）可以在最小化误报的情况下检测异常，并引入了一种将窗口映射到连续时间序列的新方法。该方法还提出了评估检测延迟和根本原因能力的度量指标，并在实际工业数据集上进行了实验验证。当正确配置时，TeVAE的错误警报率仅为6％，并且可以检测到65％的异常情况，它还具有在更小的训练和验证子集上表现良好的潜力，但需要更复杂的阈值估计方法。