POST: Apprendimento Avversario Prior-Osservazione per il Rilevamento di Anomalie in Serie Temporali Multivariate

Viene proposto un nuovo framework chiamato POST (Prior-Observation Adversarial Learning of Spatio-Temporal Associations) per il rilevamento di anomalie in serie temporali multivariate. Esso affronta il problema della generalizzazione spaziale eccessiva nei metodi esistenti che utilizzano reti neurali grafiche con modelli sequenziali. POST unifica la modellazione spazio-temporale attraverso l'apprendimento avversario, apprendendo alternativamente matrici di adiacenza come priori strutturali e modellando le discrepanze di associazione tra priori e osservazioni basate sui dati. Ciò migliora il richiamo del rilevamento e consente la localizzazione delle anomalie a livello di canale. L'articolo è disponibile su arXiv con ID 2605.18128.