龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：杭州电子科技大学
摘要：本发明公开一种基于异常注意力和门控存储的多变量时序异常检测方法，首先收集多变量时间序列数据集，接着构建基于异常注意力和门控存储的多变量时序异常检测模型，包括：异常注意力模块、门控存储模块和弱解码器；然后将预处理后的时间序列输入异常注意力模块获得关联差异，根据序列关联矩阵得到隐状态数据，经门控存储模块得到检索内存项，将检索内存项和查询在特征维度相加获得弱解码器的输入数据，通过弱解码器得到重构时间序列；再对模型进行训练并判定异常数据。本发明方法强化了模型的重构能力，并能够更有效地捕获关联差异，提高了时序异常检测的精度，可应用于水处理设备、交通信号设备、互联网公司服务器等传感器数据的时序异常检测。
主权项：1.一种基于异常注意力和门控存储的多变量时序异常检测方法，其特征在于，包括以下步骤：步骤1、收集多变量时间序列数据集，在特征维度对多变量时间序列进行预处理，然后划分为训练集和测试集；步骤2、构建基于异常注意力和门控存储的多变量时序异常检测模型，包括：异常注意力模块、门控存储模块和弱解码器模块；步骤3、将预处理后的时间序列输入到异常注意力模块，获得时间序列数据先验关联矩阵和序列关联矩阵的关联差异，根据序列关联矩阵得到时间序列数据特征的隐状态数据；步骤4、将隐状态数据作为查询输入门控存储模块，更新查询和门控存储模块的内存项，得到检索内存项，将和在特征维度相加获得弱解码器的输入数据，通过弱解码器对输入数据进行重构，得到重构时间序列；步骤5、定义基于重构时间序列和关联差异的损失函数和超参数，通过两阶段训练所述基于异常注意力和门控存储的多变量时序异常检测模型，第一阶段通过关联差异生成查询，对查询进行聚类以获得内存项的初始值，第二阶段训练门控存储模块迭代参数；步骤6、将测试集输入到训练好的模型中，定义正常数据与异常数据的阈值，应用基于二维偏差的检测准则，通过比较阈值和异常分数来判定异常数据，实现多变量时序异常检测。
全文数据：
权利要求：
百度查询： 杭州电子科技大学 基于异常注意力和门控存储的多变量时序异常检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号