arXiv cs.LG· Aditi Gautam, Manikandan Ravikiran, Saira Qureshi, Sena Fatma Ekiz, Charan Jagwani, Mahmoud Elhadidy, Sanjeev Roka·· 22 天前AI 评分31
NV-Tesseract-AD：基于课程学习增强条件扩散的多变量时间序列异常检测框架
NV-Tesseract-AD: Curriculum-Enhanced Conditional Diffusion for Multivariate Time-Series Anomaly Detection
AI 导读
研究者提出多变量时间序列异常检测框架 NV-Tesseract-AD，将 Transformer 扩散骨干与掩码比例和扩散时间步的三阶段双轴课程学习相结合。相比无课程基线，该方法使 F1 分数提升约 3.7 倍并将 MSE 降低 56%，在零样本迁移下 NAB 和 NormA 的 F1 分数分别达到 0.984 与 0.948。
来源：arXiv cs.LG · arxiv.org