arXiv cs.LG· Pooyan Khosravinia, Jo\~ao Gama, Bruno Veloso·2026-10-15 12:00· 7 小时前AI 评分22

因果引导 Transformer（CGT）：用因果约束概率预测做多变量时间序列异常检测

Causally-Constrained Probabilistic Forecasting for Time-Series Anomaly Detection

AI 导读

研究提出因果引导 Transformer（CGT）模型，将显式时间滞后因果图先验与深度序列建模结合，用于多变量时间序列异常检测。在 ASD 和 SMD 基准上分别取得 96.19% 和 95.32% 的 F1 分数，达到 SOTA，并提升了变量级归因质量。该方法通过负对数似然评分与自适应流式阈值识别异常，并借助逐维概率归因与反事实钳制定位根因变量。

来源：arXiv cs.LG · arxiv.org

推理能力数据与训练论文研究 #论文/研究 #推理 #数据/训练