BriefGPT - AI 论文速递
·
工业网络化系统细粒度自适应异常诊断的无监督时空状态估计
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
我们提出了一种多尺度时空交互网络（MSTI-Net），采用基于注意力机制的时空融合模块（ASTM）代替直接融合，并注入多个ASTM基础的连接，以促进所有可能的空间时间交互。该方法在三个标准数据集上取得了良好的实验结果。
🎯
关键要点
- 提出了一种多尺度时空交互网络（MSTI-Net）。
- 采用基于注意力机制的时空融合模块（ASTM）代替直接融合。
- 注入多个ASTM基础的连接以促进空间时间交互。
- 在多个尺度上学习正常信息以增强异常和正常事件的区分。
- 在三个标准数据集上取得良好实验结果：UCSD Ped2的AUC值为96.8%，CUHK Avenue的AUC值为87.6%，ShanghaiTech数据集的AUC值为73.9%。
🏷️
标签
➡️
