A Multivariate Time Series Anomaly Detection Model Based on Spatio-Temporal Dual Features

This paper proposes a novel unsupervised model for multivariate time series anomaly detection (TSAD), targeting the challenges of sparse and unlabeled abnormal data, as well as high dimensionality in IoT applications. The core of our model is to extract spatiotemporal dual features through a coheren...

Celý popis

Podrobná bibliografie

Vydáno v:	2023 International Conference on Networking and Network Applications (NaNA) s. 416 - 421
Hlavní autoři:	Wang, Fangwei, Yan, Man, Li, Qingru, Wang, Changguang
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 01.08.2023
Témata:	Anomaly detection Computational modeling Data models Deep convolutional autoencoder Feature extraction Stability analysis Time series Time series analysis Transformer Transformer cores Transformers
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!