本研究提出了一种高效的主题发现算法LAMA，用于解决多维时间序列中的主题问题。LAMA通过识别相关子维度和最佳模式，提高了模式发现的效果。实验结果表明，LAMA在检测有意义模式方面优于现有方法，且计算复杂性不变。

该文综述基于深度学习的物联网多维时间序列异常检测方法，提出组合F-score（Fc1）评估指标，兼顾异常相关性与检测器复杂度。实验表明动态评分函数优于静态评分，且评分函数选择比基础模型更关键；采用动态高斯评分函数的单变量全连接自编码器简单有效，性能优于现有算法。