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
基于改进TCN的多元时间序列异常检测算法
被引量：
2
1
作者
袁安妮
邹春明
+1 位作者
王勇
胡津铭
《计算机工程与设计》
北大核心
2025年第2期416-422,共7页
为有效解决现有的基于深度学习的多元时间序列异常检测方法中模型对数据要求高,以及捕捉不同时序数据间的相关性差的问题,提出一种从局部与全局信息上改进时序卷积神经网络(temporal convolution network,TCN)的深度学习算法。学习不同...
为有效解决现有的基于深度学习的多元时间序列异常检测方法中模型对数据要求高,以及捕捉不同时序数据间的相关性差的问题,提出一种从局部与全局信息上改进时序卷积神经网络(temporal convolution network,TCN)的深度学习算法。学习不同时间粒度下数据间的特征依赖关系,在对时序数据特征进行捕捉分析后,通过重构和预测的联合优化实现并行计算数据的异常值。经仿真实验验证,改进后的算法相较其它传统算法,异常检测效果有明显提升。
展开更多
关键词
深度学习
时间序列
异常检测
相关性
特征依赖
联合优化
异常值
在线阅读
下载PDF
职称材料
题名
基于改进TCN的多元时间序列异常检测算法
被引量：
2
1
作者
袁安妮
邹春明
王勇
胡津铭
机构
上海电力大学计算机科学与技术学院
公安部第三研究所检测认证中心
出处
《计算机工程与设计》
北大核心
2025年第2期416-422,共7页
基金
国家重点研发计划基金项目(2021YFF0602701)
上海市自然科学基金项目(20ZR1455900)。
文摘
为有效解决现有的基于深度学习的多元时间序列异常检测方法中模型对数据要求高,以及捕捉不同时序数据间的相关性差的问题,提出一种从局部与全局信息上改进时序卷积神经网络(temporal convolution network,TCN)的深度学习算法。学习不同时间粒度下数据间的特征依赖关系,在对时序数据特征进行捕捉分析后,通过重构和预测的联合优化实现并行计算数据的异常值。经仿真实验验证,改进后的算法相较其它传统算法,异常检测效果有明显提升。
关键词
深度学习
时间序列
异常检测
相关性
特征依赖
联合优化
异常值
Keywords
deep learning
time series
anomaly detection
correlations
feature dependencies
joint optimization
anomaly score
分类号
TP306.3 [自动化与计算机技术—计算机系统结构]
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
基于改进TCN的多元时间序列异常检测算法
袁安妮
邹春明
王勇
胡津铭
《计算机工程与设计》
北大核心
2025
2
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
