CARLA：一种用于时间序列异常检测的自监督对比表示学习方法
原文中文，约500字，阅读约需1分钟。发表于：。我们引入了一种自监督对比表示学习方法（CARLA）用于时间序列异常检测，这是一种创新的端到端自监督框架，精心开发，用于识别单变量和多变量时间序列数据中的异常模式。通过利用对比表示学习，CARLA 能够为时间序列窗口生成稳健的表示。它通过 1）学习时间上接近的窗口的相似表示和窗口及其等效异常窗口的不相似表示，以及 2）使用自监督方法根据表示空间中的最近 / 最远邻居对窗口的正常 /...
CARLA是一种自监督对比表示学习方法，用于时间序列异常检测。它通过学习时间上接近的窗口的相似表示和窗口及其等效异常窗口的不相似表示，以及使用自监督方法对窗口的正常/异常表示进行分类。CARLA在多个基准数据集上表现出比现有方法更好的性能，突显了对比表示学习在时间序列异常检测领域的潜力。
