一种多维时间序列的异常检测方法、装置、设备及介质

AITNT
正文
推荐专利
一种多维时间序列的异常检测方法、装置、设备及介质
申请号:CN202510296913
申请日期:2025-03-13
公开号:CN120067951A
公开日期:2025-05-30
类型:发明专利
摘要
本申请公开了一种多维时间序列的异常检测方法、装置、设备及介质,涉及数据处理技术领域,将多维时间序列输入至人工神经网络的变分自编码器中进行重构,输出重构结果;将多维时间序列输入至插补扩散模型中进行掩蔽插补,输出插补结果;利用预设融合机制将重构结果和插补结果融合,将融合结果和多维时间序列之间的差作为重建误差,利用重建误差对人工神经网络进行训练,得到第一训练结果;基于第一训练结果对变分自编码器进行训练,并运行多维时间序列,得到第二训练结果;基于第二训练结果设置异常检测阈值,利用训练后的变分自编码器和异常检测阈值对多维时间序列进行异常检测,提高多维时间序列异常检测准确率和适用范围,增强检测过程稳健性。
技术关键词
人工神经网络 异常检测方法 重建误差 序列 异常检测装置 深度学习网络 生成器网络 生成对抗网络 解码器 重构模块 机制 编码器训练 无监督 变换器 数据处理技术 神经网络模型 变量
系统为您推荐了相关专利信息
1
基于贝叶斯网络与序贯蒙特卡洛法的微网配电系统可靠性评估方法
蒙特卡洛 节点 时序 微网配电系统 元件
2
一种高稳定性果胶甲酯酶突变体及其基于GRASP算法进行祖先序列重建的方法、制备方法和应用
果胶甲酯酶 突变体 序列 马尔可夫随机场模型 后验概率
3
一种基于少样本学习的内部威胁行为检测方法
TS模型 样本 时序 剔除噪声 时间序列特征
4
时间序列遥感影像缺失区域重建方法、装置和电子设备
时间序列遥感影像 XGBoost模型 XGBoost算法 样本 方差贡献率
5
一种基于贝叶斯优化的局部变权组合预测方法
组合预测方法 组合预测模型 系数计算方法 序列 滑坡位移预测技术
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号