Anomaly Prediction: A Novel Approach with Explicit Delay and Horizon

要約

時系列データの異常を検出することは、さまざまなドメインにわたって重要な課題です。
従来の方法は通常、直後のステップで異常を特定することに焦点を当てており、遅延時間や異常の範囲など、一般に広範な事後分析が必要な時間的ダイナミクスの重要性が過小評価されていることがよくあります。
この論文では、時間情報を予測結果に直接組み込む、時系列異常予測の新しいアプローチを紹介します。
私たちは、このアプローチを評価し、いくつかの最先端の方法を使用して包括的な実験を実施するために特別に設計された新しいデータセットを提案します。
この結果は、タイムリーで正確な異常予測を提供するという私たちのアプローチの有効性を実証し、この分野の将来の研究に新たなベンチマークを設定します。

要約(オリジナル)

Detecting anomalies in time series data is a critical challenge across various domains. Traditional methods typically focus on identifying anomalies in immediate subsequent steps, often underestimating the significance of temporal dynamics such as delay time and horizons of anomalies, which generally require extensive post-analysis. This paper introduces a novel approach for time series anomaly prediction, incorporating temporal information directly into the prediction results. We propose a new dataset specifically designed to evaluate this approach and conduct comprehensive experiments using several state-of-the-art methods. results demonstrate the efficacy of our approach in providing timely and accurate anomaly predictions, setting a new benchmark for future research in this field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google