Ricerca
TENET: rete di codifica del punto temporale per il rilevamento delle anomalie nelle serie temporali multivariate
Nel rilevamento non supervisionato delle anomalie nelle serie temporali multivariate (MTSAD), le variazioni locali possono amplificare gli errori di ricostruzione e previsione, rendendo le discrepanze
- arXiv
- 2610.32337
- Pubblicato
- 2026-10-23
- Autori
- Dongchan Cho, Juwon Hwang, Keumyeong Kang, Jiho Han, Namsoon Jung
Abstract degli autori
Nel rilevamento non supervisionato delle anomalie nelle serie temporali multivariate (MTSAD), le variazioni locali possono amplificare gli errori di ricostruzione e previsione, rendendo le discrepanze nello spazio delle osservazioni un indicatore inaffidabile di comportamenti anomali del sistema. Poiché la valutazione nello spazio latente può attenuare questo limite, riformuliamo il MTSAD a classe unica come stima della compatibilità dello stato del sistema nel punto temporale corrente e proponiamo TENET, la Time-point Encoding Network for Multivariate Time Series Anomaly Detection. Definiamo lo stato del sistema nel punto corrente come una rappresentazione latente del punto temporale bersaglio, costruita a partire dal contesto temporale di ciascuna variabile nella finestra di input. TENET costruisce questo stato mediante un livello temporale che recupera il contesto della finestra in relazione al punto corrente, codifica il tempo con embedding centrati sul punto corrente e combina in modo adattivo il contesto recuperato con la rappresentazione corrente. Con questa impostazione, TENET non tratta la finestra di input come l’oggetto da ricostruire, prevedere, riassumere o valutare, ma come il contesto da cui costruire una rappresentazione latente, valutata mediante un punteggio fisso basato sulla log-verosimiglianza negativa di una distribuzione normale standard. Su diversi dataset benchmark, TENET raggiunge prestazioni allo stato dell’arte. Ulteriori esperimenti mostrano che TENET resta efficace anche con obiettivi alternativi a classe unica e supera le varianti basate su codificatori generici di sequenze. Ciò suggerisce che il suo vantaggio derivi dalla costruzione di una rappresentazione allineata alla decisione, anziché da una regola di valutazione specializzata. Questi risultati indicano che il MTSAD a classe unica può ottenere buoni risultati quando la rappresentazione latente è progettata attorno al punto temporale corrente.
Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.
Leggi il paper originale su arXiv