文献检索-宁波市创意产业特色资源库

限定检索结果

基于改进TCN的多元时间序列异常检测算法: 收藏
分享
引用; 《计算机工程与设计》2025年第2期46卷 416-422页; 作者：袁安妮邹春明王勇胡津铭上海电力大学计算机科学与技术学院上海200120 公安部第三研究所检测认证中心上海200031; 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。; 来源：详细信息评论

限定检索结果