解读顶会CIKM'21 Historical Inertia论文
摘要：本文(Historical Inertia: An Ignored but Powerful Baseline for Long Sequence Time-series Forecasting)是由华为云数据库创新Lab联合电子科技大学数据与智能实验室发表在顶会CIKM’21的短文 ...
原文：解读顶会ICDE’21论文：利用DAEMON算法解决多维时序异常检测问题
摘要：该论文针对多维时序数据的异常检测问题，提出了基于GAN和AutoEncoder的深度神经网络算法，并取得了当前State of the Art SOTA 的检测效果。论文是云数据库创新LAB在轨迹分析层面取得的关键技术成果之一。 本文分享自华为云社区 ICDE DAEMON论文解读 ，作者：云数据库创新Lab。 导读 本文 DAEMON: Unsupervised Anomaly Dete ...
2021-09-07 10:02 0 177 推荐指数：
相关推荐
顶会VLDB'22论文解读：多元时序预测算法METRO
摘要：本文提出了一个端到端的MTS预测框架METRO。METRO的核心思想是利用多尺度动态图建模变量之间的依赖关系，考虑单尺度内信息传递和尺度间信息融合。 本文分享自华为云社区《VLDB'22 METRO论文解读》，作者：云数据库创新Lab 。 0 导读 本文(METRO ...
顶会VLDB‘22论文解读：CAE-ENSEMBLE算法
摘要：针对时间序列离群点检测问题，提出了基于CNN-AutoEncoder和集成学习的CAE-ENSEMBLE深度神经网络算法，并通过大量的实验证明CAE-ENSEMBLE算法能有效提高时间序列离群点检测的准确度与效率。 本文分享自华为云社区《VLDB'22 CAE-ENSEMBLE论文 ...
《时序异常检测算法概览》
时序异常检测算法概览 2018-09-03 17:08:49 分类： 人工智能与大数据 来自：论智（微信号：jqr_AI），作者：Pavel Tiunov，编译：weakish来源：statsbot，原文链接 编者按：Statsbot CTO ...
顶会CIKM'21论文解读：基于图神经网络的人类行为轨迹恢复模型
摘要：本文是由华为云数据库创新Lab联合电子科技大学数据与智能实验室发表在顶会CIKM’21的文章，该文章提出首个克服人类移动轨迹数据中普遍存在的多层次周期性、周期偏移现象以及数据稀疏问题的轨迹恢复模型。 本文分享自华为云社区《CIKM'21 PeriodicMove论文解读》，作者：云 ...
网络KPI异常检测之时序分解算法
时间序列数据伴随着我们的生活和工作。从牙牙学语时的“1, 2, 3, 4, 5, ……”到房价的走势变化，从金融领域的刷卡记录到运维领域的核心网性能指标。时间序列中的规律能加深我们对事物和场景的认识，时间序列中的异常能提醒我们某些部分可能出现问题。那么如何去发现时间序列中的规律、找出其中的异常点 ...
网络KPI异常检测之时序分解算法
【摘要】 如何去发现时间序列中的规律、找出其中的异常点呢？接下来，我们将揭开这些问题的面纱。 时间序列数据伴随着我们的生活和工作。从牙牙学语时的“1, 2, 3, 4, 5, ……”到房价的走势变化，从金融领域的刷卡记录到运维领域的核心网性能指标。时间序列中的规律能加深我们对事物和场景的认识 ...
从时序异常检测（Time series anomaly detection algorithm）算法原理讨论到时序异常检测应用的思考
1. 主要观点总结 0x1：什么场景下应用时序算法有效 历史数据可以被用来预测未来数据，对于一些周期性或者趋势性较强的时间序列领域问题，时序分解和时序预测算法可以发挥较好的作用，例如： 四季与天气的关系模式 以交通量计算的交通高峰期的模式 心跳的模式 ...