Abstract: J. Kang, M. Kim, J. Park, S. Park (2024)

The automation of systems and the accelerated digital transformations across various industries have rendered the manual monitoring of systems difficult. Therefore, the automatic detection of system anomalies is essential in diverse industries. Various deep learning-based techniques have been developed for anomaly detection in multivariate time-series data with promising performance. However, there are several challenges: 1) difficulty in understanding the relationships among time-series data due to their complexity and high-dimensionality, 2) limitation in distinguishing anomalies from normal data that exhibit similar distributional patterns, and 3) lack of intuitive interpretation of anomaly detection results. To address these issues, we propose a novel approach referred to as the time-series to image-transformed adversarial autoencoder (T2IAE), which adopts image transformation techniques and convolutional neural network (CNN)-based adversarial learning. Image transformation techniques were used to effectively capture the local features of adjacent time points. Two CNN-based adversarial autoencoders competitively learned to distinguish between normal and abnormal data. We experimentally analyzed five real-world multivariate time-series datasets, wherein the proposed model achieved superior anomaly detection performance compared with state-of-the-art methods. Moreover, the proposed model enables humans to intuitively interpret the detection results, facilitating appropriate explanations of the results and enhancing the model's usability.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Time-Series to Image-Transformed Adversarial Autoencoder for Anomaly Detection