该论文提出了关系知识蒸馏方法（RKD），用于提高学生模型在度量学习等任务中的性能。在标准基准数据集上，该方法超越了老师模型的表现。

本文介绍了神经上下文异常检测（NCAD）框架，该框架结合了多元时间序列表示学习和深度异常检测技术。该框架可无缝地从无监督到监督设置扩展，适用于单变量和多变量时间序列。实证结果表明，该方法在标准基准数据集上取得了最先进的性能。