使用 Transformer 自编码器进行业务流程的异常修正
原文约300字，阅读约需1分钟。发表于：。基于 Transformer 自编码器的业务过程异常修正方法能够高效处理任意长度的事件序列，并且可以直接输出修正后的业务过程实例，从而适应各种场景，通过自监督学习将异常检测转化为分类问题，无需设置特定阈值，在确保高运行效率的同时，在异常检测准确性和异常修正结果方面优于以往方法。
本文介绍了一种用于时间序列中的无监督在线异常检测的混合注意力和自编码器（AE）模型。该模型结合了注意力和自编码器的方法进行时间序列异常检测，并通过对自编码器潜在空间中的下一个时间步骤窗口进行预测，使用验证数据集中的阈值进行异常检测，并引入了基于错误的第一统计矩的替代方法，提高了准确性。验证了该模型在异常检测中的有效性。
