[Open DMQA Semiar] Transformer-Based Anomaly Detection in Multivariate Time Series

Автор: ‍김성범[ 교수 / 산업경영공학부 ]

Загружено: 2023-02-04

Просмотров: 9569

Описание: 산업체에서 수집되는 데이터의 상당 부분은 다변량 시계열 데이터 형태로 이를 잘 이해하고 응용하는 것은 매우 중요하다. 특히, 다수의 정상 데이터가 주어지는 상황에서 불량을 탐지하는 데에 적합한 이상치 탐지 분야는 꾸준히 주목받고 있는 분야이며, 다변량 시계열 데이터에 적합한 이상치 탐지 방법론에 관한 연구도 활발히 수행되고 있다. 최근, 딥러닝을 기반의 방법론들이 다양하게 제안되고 있으며 이를 통해 복잡한 시계열성 및 변수 사이 관계를 반영하며 괄목할 만한 성능개선을 이루었다. 본 세미나에서는 다변량 시계열 데이터에 대한 정의부터, 주요 딥러닝 기반 방법론, 더 나아가 최근 state-of-the-arts로 각광받는 Transformer 기반의 방법론들에 대해 살펴보고자 한다.

참고문헌:
[1] Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., ... & Polosukhin, I. (2017). Attention is all you need. Advances in neural information processing systems, 30.

[2] Xu, J., Wu, H., Wang, J., & Long, M. (2021, September). Anomaly Transformer: Time Series Anomaly Detection with Association Discrepancy. In International Conference on Learning Representations.

[3] Tuli, S., Casale, G., & Jennings, N. R. (2022). TranAD: Deep transformer networks for anomaly detection in multivariate time series data. arXiv preprint arXiv:2201.07284.

Не удается загрузить Youtube-плеер. Проверьте блокировку Youtube в вашей сети.
Повторяем попытку...

[Open DMQA Semiar] Transformer-Based Anomaly Detection in Multivariate Time Series

Доступные форматы для скачивания:

Скачать видео

Информация по загрузке:

Скачать аудио

Похожие видео

New Trends in Time Series Anomaly Detection

New Trends in Time Series Anomaly Detection

[Open DMQA Seminar] Representation Learning for Time-Series Data

[Open DMQA Seminar] Representation Learning for Time-Series Data

Graph Transformers: What every data scientist should know, from Stanford, NVIDIA, and Kumo

Graph Transformers: What every data scientist should know, from Stanford, NVIDIA, and Kumo

[Paper Review] Mamba: Linear-Time Sequence Modeling with Selective State Spaces

[Paper Review] Mamba: Linear-Time Sequence Modeling with Selective State Spaces

[핵심 머신러닝] Anomaly Detection (개요, 확률분포기반)

[핵심 머신러닝] Anomaly Detection (개요, 확률분포기반)

TOTEM: TOkenized Time Series EMbeddings for General Time Series Analysis

TOTEM: TOkenized Time Series EMbeddings for General Time Series Analysis

Anomaly Detection: Algorithms, Explanations, Applications

Anomaly Detection: Algorithms, Explanations, Applications

TranAD - Transformer based Anomaly Detection - VLDB 2022

TranAD - Transformer based Anomaly Detection - VLDB 2022

[Open DMQA Seminar] Anomaly Detection

[Open DMQA Seminar] Anomaly Detection

Зимний день — тихое окно и классическое пианино

Зимний день — тихое окно и классическое пианино

A Very Simple Transformer Encoder for Time Series Forecasting in PyTorch

A Very Simple Transformer Encoder for Time Series Forecasting in PyTorch

[NHN Cloud make IT 2023] 시계열 데이터 속에 숨어있는 이상 징후를 찾는 딥 러닝 기술

[NHN Cloud make IT 2023] 시계열 데이터 속에 숨어있는 이상 징후를 찾는 딥 러닝 기술

[DMQA Open Seminar] Graph Attention Networks

[DMQA Open Seminar] Graph Attention Networks

Обзор статьи: Прогнозирование с использованием временного слияния (Кристофер Эваник)

Обзор статьи: Прогнозирование с использованием временного слияния (Кристофер Эваник)

[Paper Review] Anomaly Transformer : Time Series Anomaly Detection with Association Discrepancy

[Paper Review] Anomaly Transformer : Time Series Anomaly Detection with Association Discrepancy

Anomaly Detection For Time Series Data in Python

Anomaly Detection For Time Series Data in Python

Autoencoder Forest for Anomaly Detection from IoT Time Series | SP Group

Autoencoder Forest for Anomaly Detection from IoT Time Series | SP Group

Anomaly detection in time series with Python | Data Science with Marco

Anomaly detection in time series with Python | Data Science with Marco

[Paper Review] Towards Total Recall in Industrial Anomaly Detection

[Paper Review] Towards Total Recall in Industrial Anomaly Detection

[DMQA Open Seminar] Transformer

[DMQA Open Seminar] Transformer