An Attention Free Conditional Autoencoder For Anomaly Detection in Cryptocurrencies

要約

タイトル：暗号通貨における異常検知のための注目フリー条件付きオートエンコーダー

要約：
– 時系列データにおいて、ノイズが多い場合に異常を特定することは困難である。
– ノイズを除去することで異常を検知することができるが、情報の損失が大きい。
– 注目フリー条件付きオートエンコーダー (AF-CA) を提案し、時系列データにおける異常検知の精度を向上させた。
– 注目フリー LSTMレイヤーを追加したことで、モデルの説明能力を向上させ、異常検知の力を増強させた。
– LSTMオートエンコーダーと比較し、AF-CAのモデルの説明力が向上したことで、ノイズの多い時系列データにおける異常検知の精度が向上した。

要約(オリジナル)

It is difficult to identify anomalies in time series, especially when there is a lot of noise. Denoising techniques can remove the noise but this technique can cause a significant loss of information. To detect anomalies in the time series we have proposed an attention free conditional autoencoder (AF-CA). We started from the autoencoder conditional model on which we added an Attention-Free LSTM layer \cite{inzirillo2022attention} in order to make the anomaly detection capacity more reliable and to increase the power of anomaly detection. We compared the results of our Attention Free Conditional Autoencoder with those of an LSTM Autoencoder and clearly improved the explanatory power of the model and therefore the detection of anomaly in noisy time series.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI