ExCal：免训练的多变量时序异常检测方法
热点事件持续更新
ExCal：免训练的多变量时序异常检测方法
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Kadir-Kaan Özer 等作者提出 ExCal，一种仅用正常样本训练的多变量时间序列异常检测方法。它结合原始状态检索、信号/导数子空间与跨时间尺度稳健统计，无需梯度优化，也不需要异常标签。 在 TSB-AD-M 的 17 个家族共 180 条序列上，ExCal 取得 AUC-PR 0.421±0.37 与 VUS-PR 0.452±0.37，在 24 种方法中排名第二，与 AxonAD、StreamVAE 无显著差异。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
ExCal：无需优化的多变量时间序列异常检测方法报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIExCal：无需优化的多变量时间序列异常检测方法
ExCal 是一种仅用正常样本训练的多变量时间序列异常检测器，结合原始状态检索、信号/导数子空间与跨时间尺度稳健统计，无需梯度优化或异常标签。在 TSB-AD-M 的 17 个家族共 180 条序列上，ExCal 取得 AUC-PR 0.421±0.37 与 VUS-PR 0.452±0.37，在 24 种方法中排名第二，与 AxonAD、StreamVAE 无显著差异。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。