arXiv cs.LG· Christos Panourgias, Roberto Stanzione, Adrien Petralia, Themis Palpanas, Paul Boniol·· 7 小时前AI 评分22
RAMSAD：基于相似度检索的时间序列异常检测模型选择框架
Retrieval Over Training: Similarity search-based Model Selection for Time Series Anomaly Detection
AI 导读
研究者提出 RAMSAD，一种基于检索的模型选择框架，用于时间序列异常检测。该方法通过查询历史实例知识库、检索 top-k 最相似序列，并迁移其性能画像中的检测器推荐，支持标准相似度度量和嵌入向量表示。结果显示，RAMSAD 在分布内设置下优于现有基线，在分布外场景中最为稳健，选取少量检测器即可匹配或超越运行全部检测器池的集成方法，且成本仅为后者一小部分。
来源：arXiv cs.LG · arxiv.org