arXiv 机器学习· Jianxin Jin, Kai Zhao, Shiyan Hu, Yang Shu, Peng Chen, Meng Wang, Zhongwen Rao, Yijie Li, Jing Wang, Bin Yang, Chenjuan Guo·· 8 小时前AI 评分35
EVOLVE：基于自适应原型记忆的不确定性感知多变量时间序列异常预测
EVOLVE: Uncertainty-Aware Multivariate Time Series Anomaly Prediction with Adaptive Prototype Memories
AI 导读
研究人员提出无监督多变量时间序列异常预测框架 EVOLVE，通过上下文条件扰动与不确定性推理预估未来异常风险。该框架利用自适应异常原型记忆在变量级别动态更新并检索特定扰动，同时解码互补演化假设下的多条未来轨迹，以轨迹分歧度量化不确定性。在 6 个真实世界基准数据集上的实验表明，EVOLVE 表现持续超越现有 SOTA 基线模型。
来源：arXiv 机器学习 · arxiv.org