基于分解的多尺度变压器框架用于时间序列异常检测

本研究针对时间序列异常检测中的复杂模式依赖建模困难和噪声影响下的性能下降问题，提出了一种基于变压器的分解框架（TransDe）。该框架结合了时间序列分解与变压器的优势，能够有效学习正常时间序列数据中的复杂模式，并在五个公共数据集上展现出优于十二个基线模型的表现，具有显著的实际应用潜力。