10.19678/j.issn.1000-3428.0057092
基于Transformer重建的时序数据异常检测与关系提取
现有时序异常检测方法存在计算效率低和可解释性差的问题.考虑到Transformer模型在自然语言处理任务中表现出并行效率高且能够跨距离提取关系的优势,提出基于Transformer的掩膜时序建模方法.建立时序数据的并行无方向模型,并使用掩膜机制重建当前时间步,从而实现整段序列的重建.在存储系统数据集和NASA航天器数据集上的实验结果表明,与基于长短期记忆网络模型的检测方法相比,该方法可节约80.7%的计算时间,Range-based指标的F1得分达到0.582,并且其通过可视化关系矩阵可准确反映人为指令与异常的关系.
时序数据、注意力机制、异常检测、关系提取、自动编码器
47
TP391.4(计算技术、计算机技术)
国家自然科学基金"海洋环境动力学和数值模拟"U1406404
2021-02-25(万方平台首次上网日期,不代表论文的发表时间)
共8页
69-76