KDD2019 異常檢測:Time-Series Anomaly Detection Service at Microsoft
KDD2019，時序數據，異常檢測，已部署於微軟、Windows、Bing、Office365等。 目標： 以無監督的方式開發一種更有競爭力的數據異常檢測方法，同時兼顧準確性、效率和通用性。 貢獻： 1.將視覺顯著性檢測領域的譜殘差模性SR用到異常檢測應用中。 2.SR與CNN相結合，無監督：SR，有監督:CNN相結合。 模型： SR算法： x只是輸入的序列數據，一般是滑動窗口數據。 1.通過傅裏
相關文章
- 1. 異常檢測(Anomaly Detection)
- 2. 異常檢測——Anomaly Detection
- 3. 異常檢查(Anomaly Detection)
- 4. 異常檢測（Anomaly Detection）綜述
- 5. 【異常檢測】Anomaly Detection綜述
- 6. ml-9-1-異常檢測(Anomaly Detection)
- 7. （十三）Time-Series Anomaly Detection Service at Microsoft 微軟時間序列異常檢測服務
- 8. 異常檢測
- 9. python數據分析：異常檢測分析（Anomaly detection analysis）
- 10. 機器學習筆記7——異常檢測（Anomaly Detection）
- 更多相關文章...
- • PHP 7 異常 - PHP 7 新特性
- • C# 異常處理 - C#教程
- • 常用的分佈式事務解決方案
- • Docker容器實戰(八) - 漫談 Kubernetes 的本質
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 異常檢測(Anomaly Detection)
- 2. 異常檢測——Anomaly Detection
- 3. 異常檢查(Anomaly Detection)
- 4. 異常檢測（Anomaly Detection）綜述
- 5. 【異常檢測】Anomaly Detection綜述
- 6. ml-9-1-異常檢測(Anomaly Detection)
- 7. （十三）Time-Series Anomaly Detection Service at Microsoft 微軟時間序列異常檢測服務
- 8. 異常檢測
- 9. python數據分析：異常檢測分析（Anomaly detection analysis）
- 10. 機器學習筆記7——異常檢測（Anomaly Detection）