基于拓扑分析增强图注意力网络的多变量时间序列异常检测
发表于: 。本研究解决了多变量时间序列异常检测中的挑战,特别是在复杂特征和时间维度下的问题。提出了一种名为TopoGDN的增强图注意力网络,它通过多尺度时间卷积模块和增强型图神经网络有效提取了细粒度的时间特征并处理复杂的特征间依赖性。实验结果表明,该方法在多个数据集上的表现优于基线模型,显示了其在工业应用中的广泛潜力。
本研究解决了多变量时间序列异常检测中的挑战,特别是在复杂特征和时间维度下的问题。提出了一种名为TopoGDN的增强图注意力网络,它通过多尺度时间卷积模块和增强型图神经网络有效提取了细粒度的时间特征并处理复杂的特征间依赖性。实验结果表明,该方法在多个数据集上的表现优于基线模型,显示了其在工业应用中的广泛潜力。