Aprendizaje auto-supervisado basado en parches para la detección de anomalías en datos de series temporales multivariadas
Autores: Oh, Seungmin; Anh, Le Hoang; Vu, Dang Thanh; Yu, Gwang Hyun; Hahn, Minsoo; Kim, Jinsul
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Aprendizaje auto-supervisado basado en parches para la detección de anomalías en datos de series temporales multivariadas
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Series temporales multivariadas
Detección de anomalías
Patrones temporales
Marco por parches
Aprendizaje auto-supervisado
Aprendizaje supervisado
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 30
Citaciones: Sin citaciones
La detección de anomalías en series temporales multivariadas es una tecnología crucial para prevenir que errores inesperados causen impactos críticos.
Descripción
La detección de anomalías en series temporales multivariadas es una tecnología crucial para prevenir que errores inesperados causen impactos críticos.