基于HTM-Attention的时序数据异常检测方法

张晨林; 张素莉; 陈冠宇; 王福德; 孙启涵

doi:10.19292/j.cnki.jdxxp.2024.03.010

吉林大学学报(信息科学版) ›› 2024, Vol. 42 ›› Issue (03) : 457 -464. DOI: 10.19292/j.cnki.jdxxp.2024.03.010

基于HTM-Attention的时序数据异常检测方法

张晨林, 张素莉, 陈冠宇, 王福德, 孙启涵

作者信息 +

Author information +

文章历史 +

摘要

针对现有工业时间序列数据异常检测算法并未充分考虑时序数据在时间相关性方面的研究问题，提出了一种改进的HTM(Hierarchical Temporal Memory)-Attention算法。该算法结合了HTM算法和Attention机制，能学习数据之间的时间依赖关系，并在单变量和多变量时序数据上得到验证。同时，通过引入Attention机制，算法可以关注输入数据中的重要部分，进一步提高了异常检测的效率和准确性。实验结果表明，该算法对不同类型的时间序列异常数据能进行有效地检测，并且比其他常用的无监督异常检测算法具有更高的准确率和更低的运行时间。该算法在工业时间序列数据异常检测的应用中具有较大的潜力。