期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于HTM-Attention的时序数据异常检测方法
被引量：
1
1
作者
张晨林
张素莉
+2 位作者
陈冠宇
王福德
孙启涵
《吉林大学学报（信息科学版）》
CAS
2024年第3期457-464,共8页
针对现有工业时间序列数据异常检测算法并未充分考虑时序数据在时间相关性方面的研究问题,提出了一种改进的HTM(Hierarchical Temporal Memory)-Attention算法。该算法结合了HTM算法和Attention机制,能学习数据之间的时间依赖关系,并在...
针对现有工业时间序列数据异常检测算法并未充分考虑时序数据在时间相关性方面的研究问题,提出了一种改进的HTM(Hierarchical Temporal Memory)-Attention算法。该算法结合了HTM算法和Attention机制,能学习数据之间的时间依赖关系,并在单变量和多变量时序数据上得到验证。同时,通过引入Attention机制,算法可以关注输入数据中的重要部分,进一步提高了异常检测的效率和准确性。实验结果表明,该算法对不同类型的时间序列异常数据能进行有效地检测,并且比其他常用的无监督异常检测算法具有更高的准确率和更低的运行时间。该算法在工业时间序列数据异常检测的应用中具有较大的潜力。
展开更多
关键词
层级时序记忆
注意力机制
时序数据
异常检测
在线阅读
下载PDF
职称材料
题名
基于HTM-Attention的时序数据异常检测方法
被引量：
1
1
作者
张晨林
张素莉
陈冠宇
王福德
孙启涵
机构
长春工业大学计算机科学与工程学院
长春工程学院计算机技术与工程学院
吉林海诚科技有限公司技术部
贵州大学大数据与信息工程学院
出处
《吉林大学学报（信息科学版）》
CAS
2024年第3期457-464,共8页
基金
吉林省科技厅基金资助项目(20200301045RQ)
吉林省发改委基金资助项目(2020C004)。
文摘
针对现有工业时间序列数据异常检测算法并未充分考虑时序数据在时间相关性方面的研究问题,提出了一种改进的HTM(Hierarchical Temporal Memory)-Attention算法。该算法结合了HTM算法和Attention机制,能学习数据之间的时间依赖关系,并在单变量和多变量时序数据上得到验证。同时,通过引入Attention机制,算法可以关注输入数据中的重要部分,进一步提高了异常检测的效率和准确性。实验结果表明,该算法对不同类型的时间序列异常数据能进行有效地检测,并且比其他常用的无监督异常检测算法具有更高的准确率和更低的运行时间。该算法在工业时间序列数据异常检测的应用中具有较大的潜力。
关键词
层级时序记忆
注意力机制
时序数据
异常检测
Keywords
hierarchical temporal memory
attention mechanism
temporal data
anomaly detection
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于HTM-Attention的时序数据异常检测方法
张晨林
张素莉
陈冠宇
王福德
孙启涵
《吉林大学学报（信息科学版）》
CAS
2024
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
