一种基于深度学习的时间序列数据多元异常检测方法

    公开(公告)号:CN115905991A

    公开(公告)日:2023-04-04

    申请号:CN202211456571.7

    申请日:2022-11-21

    Abstract: 本发明涉及一种基于深度学习的时间序列数据多元异常检测方法,训练方法包括:将训练需要的多元时间序列输入到GAN网络,使用两人极小极大博弈算法来训练生成器和判别器,生成器G以来自随机潜在空间的序列作为其输入来生成假时间序列,并将生成的序列样本传递给判别器D,判别器D将试图将生成的即“fake”数据序列与实际的即“real”正常训练数据序列区分开来;经过足够多次的迭代,使用经过训练的判别器和生成器来检测多元时间序列中的异常,并使用一个组合的判别和重建异常评分即DR评分使模型训练效果满足预期的条件;本发明具有基于深度学习的无监督异常检测方法、基于生成对抗网络的无监督异常检测策略的优点。

Patent Agency Ranking