[Open DMQA Semiar] Transformer-Based Anomaly Detection in Multivariate Time Series

Автор: ‍김성범[ 교수 / 산업경영공학부 ]

Загружено: 2023-02-04

Просмотров: 9430

Описание:

산업체에서 수집되는 데이터의 상당 부분은 다변량 시계열 데이터 형태로 이를 잘 이해하고 응용하는 것은 매우 중요하다. 특히, 다수의 정상 데이터가 주어지는 상황에서 불량을 탐지하는 데에 적합한 이상치 탐지 분야는 꾸준히 주목받고 있는 분야이며, 다변량 시계열 데이터에 적합한 이상치 탐지 방법론에 관한 연구도 활발히 수행되고 있다. 최근, 딥러닝을 기반의 방법론들이 다양하게 제안되고 있으며 이를 통해 복잡한 시계열성 및 변수 사이 관계를 반영하며 괄목할 만한 성능개선을 이루었다. 본 세미나에서는 다변량 시계열 데이터에 대한 정의부터, 주요 딥러닝 기반 방법론, 더 나아가 최근 state-of-the-arts로 각광받는 Transformer 기반의 방법론들에 대해 살펴보고자 한다.

참고문헌:
[1] Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., ... & Polosukhin, I. (2017). Attention is all you need. Advances in neural information processing systems, 30.

[2] Xu, J., Wu, H., Wang, J., & Long, M. (2021, September). Anomaly Transformer: Time Series Anomaly Detection with Association Discrepancy. In International Conference on Learning Representations.

[3] Tuli, S., Casale, G., & Jennings, N. R. (2022). TranAD: Deep transformer networks for anomaly detection in multivariate time series data. arXiv preprint arXiv:2201.07284.

[Open DMQA Semiar] Transformer-Based Anomaly Detection in Multivariate Time Series

Доступные форматы для скачивания:

Скачать видео mp4

Информация по загрузке:

Скачать аудио mp3

Похожие видео

[핵심 머신러닝] Transformer

[핵심 머신러닝] Transformer

New Trends in Time Series Anomaly Detection

New Trends in Time Series Anomaly Detection

TOTEM: TOkenized Time Series EMbeddings for General Time Series Analysis

TOTEM: TOkenized Time Series EMbeddings for General Time Series Analysis

Graph Transformers: What every data scientist should know, from Stanford, NVIDIA, and Kumo

Graph Transformers: What every data scientist should know, from Stanford, NVIDIA, and Kumo

[Open DMQA Seminar] Unsupervised Semantic Segmentation

[Open DMQA Seminar] Unsupervised Semantic Segmentation

[DMQA Open Seminar] Graph Attention Networks

[DMQA Open Seminar] Graph Attention Networks

[핵심 머신러닝] Anomaly Detection (개요, 확률분포기반)

[핵심 머신러닝] Anomaly Detection (개요, 확률분포기반)

180 - Автоэнкодер LSTM для обнаружения аномалий

180 - Автоэнкодер LSTM для обнаружения аномалий

Anomaly Detection: Algorithms, Explanations, Applications

Anomaly Detection: Algorithms, Explanations, Applications

TranAD - Transformer based Anomaly Detection - VLDB 2022

TranAD - Transformer based Anomaly Detection - VLDB 2022

[Open DMQA Seminar] Anomaly Detection

[Open DMQA Seminar] Anomaly Detection

Почему «Трансформеры» заменяют CNN?

Почему «Трансформеры» заменяют CNN?

Anomaly Detection For Time Series Data in Python

Anomaly Detection For Time Series Data in Python

4K TV Art Slideshow | Claude Monet Paintings | 2-Hour Screensaver

4K TV Art Slideshow | Claude Monet Paintings | 2-Hour Screensaver

[핵심 머신러닝] RNN, LSTM, and GRU

[핵심 머신러닝] RNN, LSTM, and GRU

LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры

LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры

[NHN Cloud make IT 2023] 시계열 데이터 속에 숨어있는 이상 징후를 찾는 딥 러닝 기술

[NHN Cloud make IT 2023] 시계열 데이터 속에 숨어있는 이상 징후를 찾는 딥 러닝 기술

[Paper Review] Mamba: Linear-Time Sequence Modeling with Selective State Spaces

[Paper Review] Mamba: Linear-Time Sequence Modeling with Selective State Spaces

Управление поведением LLM без тонкой настройки

Управление поведением LLM без тонкой настройки

Anomaly detection in time series with Python | Data Science with Marco

Anomaly detection in time series with Python | Data Science with Marco