文章解读
关注
分享
扫一扫
文章平均质量分 77
关注领域：时序分析、时序异常检测、大语言模型。
傅科摆 _ py
踏破星河十九州。欢迎各位作者宣传、交流时序相关工作。若有实习或科研机会非常欢迎交流。
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
PathFinder: Advancing Path Loss Prediction for Single-to-Multi-Transmitter Scenario 解读
PathFinder: Advancing Path Loss Prediction for Single-to-Multi-Transmitter Scenario 解读，一种解耦建筑体及发射端特征表示，面向多源发射器复杂场景的路径损失预测算法，值得参考！原创 2025-12-22 23:21:42 · 506 阅读 · 0 评论 -
Multi-clues adaptive learning for Cloth-Changing Person Re-Identification 解读
本文提出一种多线索自适应学习方法用于解决换衣行人重识别 (CC-ReID) 问题。针对传统 ReID 模型依赖服装特征的局限性，该方法通过融合多种服装不敏感特征（如：步态、轮廓等），采用交叉注意力机制实现多线索引导。原创 2025-11-15 23:22:43 · 1388 阅读 · 2 评论 -
xPatch — 2025 时序或时空预测新 sota 工作！
非常好的时序预测工作，时序或时空领域的研究者们都可以 follow，可以考虑和 Mamba、Kan、大语言模型、蒸馏模型等先进技术结合，主要考虑应用其分解后单独处理两分支的技术！原创 2025-09-08 21:04:13 · 1237 阅读 · 5 评论 -
TimeXer - 重新审视时序预测内的外生变量
第一，它重新审视了不应对 “变量间”（协变量） 及 “内生特征间” 使用一样的建模方式；第二，它使用了一个全局 token，沟通内部及外部；不错的工作！原创 2025-07-24 23:32:06 · 776 阅读 · 0 评论 -
GCAD 解读
构建 “因果” 视角下的时序异常检测算法，性能表现突出！原创 2025-06-13 08:51:59 · 377 阅读 · 0 评论 -
LFTSAD 解读
分别考量 “点级” 及 “序列级” 的时序异常检测。原创 2025-06-04 16:27:00 · 283 阅读 · 0 评论 -
H - PAD 解读
针对过度泛化问题设计的 TSAD 模型，同时考虑 Patch 原型 及 周期原型，好工作！原创 2025-05-15 23:53:23 · 544 阅读 · 0 评论 -
M2N2 解读
首次将 TTA 引入 TSAD 领域，故事较为合理！原创 2025-04-21 19:02:35 · 488 阅读 · 0 评论 -
MLLMs for TSAD ?
时间序列异常检测新纪元：多模态时序异常检测！原创 2025-04-19 19:48:46 · 838 阅读 · 0 评论 -
LLMAD 解读
新视角：借助 LLM 的可解释性，实现 TSAD！原创 2025-04-14 16:54:52 · 408 阅读 · 0 评论 -
PATE —— 新的 “时序异常” 评估指标
PATE — 不错的时序异常检测指标！原创 2025-04-13 21:07:41 · 769 阅读 · 0 评论 -
DiMER 解读
更快、更小、更好的 TSAD 模型！原创 2025-03-26 14:57:21 · 531 阅读 · 1 评论 -
SARAD 解读
TSAD 新思路 — 空间退化原创 2025-03-20 00:09:51 · 828 阅读 · 0 评论 -
TSB - AD 解读 — 迈向可靠、透明的 TSAD 任务
TSAD 领域最新的数据集构建工作。原创 2025-03-17 20:11:06 · 1393 阅读 · 0 评论 -
SimAD 解读 — SimAD: A Simple Dissimilarity-based Approach for Time Series Anomaly Detection
简单高效的、基于相异性的时序异常检测框架 SimAD，非常扎实的无监督时序异常检测工作！原创 2025-03-12 19:50:04 · 1159 阅读 · 9 评论 -
Unsuperised Model Selection For Time Series Anomaly Detection 解读
ICLR 2023 的 Spotlight 工作，着重探讨了在 TSAD 无监督背景下进行有效的模型选择。原创 2025-02-17 11:25:59 · 1251 阅读 · 1 评论 -
Time - Series Anomaly Detection: Overview and New Trends 解读
简要介绍 TSAD 这一领域，给出了部分有价值的结论及论点，较好的入门教程。原创 2025-02-11 10:56:21 · 738 阅读 · 0 评论 -
海浪波高预测（背景调研）
海上风电项目 の 资料收集、整理原创 2025-01-26 20:36:02 · 1463 阅读 · 0 评论 -
PatchTST：通道独立的、切片的 时序 Transformer
PatchTST — 通道独立的、切片的 时序 Transformer，回应 DLinear (AAAI 2023) 对 transformer 架构的质疑及挑战。原创 2025-01-12 21:15:35 · 993 阅读 · 0 评论 -
Catch 解读
ICLR 2025 目前结果未定的高分论文：Catch — 频域内作 patching 操作，并引入通道独立及通道耦合的中间状态机制，2025年的第一个 sota 工作！原创 2025-01-08 16:53:57 · 1482 阅读 · 0 评论 -
FlightAD 解读
最早的、纯 MLP 架构在 TSAD 内的应用，思路清晰，方法简明。原创 2024-12-16 18:47:08 · 473 阅读 · 0 评论 -
ANOMALY BERT 解读
从 bert 中获得灵感，释放 “异常注入” 在 TSAD 领域的潜力！原创 2024-12-12 23:26:35 · 905 阅读 · 0 评论 -
TIME - FFM：探索时序预测任务上的联邦学习框架
时序预测 + 联邦学习原创 2024-12-08 15:14:42 · 1807 阅读 · 0 评论 -
面向不平稳工业时序数据的预测（持续学习）
不平稳时序预测 + 持续学习原创 2024-12-02 14:02:05 · 775 阅读 · 0 评论 -
PCRTA 解读
基于核心思想：异常数据更可能在微扰后被错误分类，少有的基于密度、空间分布的 TSAD 方法，启示研究者们建立更多关于 TSAD 的有效假设，而非一味堆砌结构，难得的好文章。原创 2024-11-15 15:08:20 · 624 阅读 · 0 评论 -
二维表示的 Time Analysis 框架 — TimesNet
提出：二维表示的 Time Analysis 框架 — TimesNet，探索视觉及卷积技术在通用时间序列任务上的可能性。原创 2024-11-03 11:57:08 · 1600 阅读 · 0 评论 -
破局：DLinear
掀翻 “时间序列领域” 棋盘的优秀工作，人生苦短，我用 Linear ?原创 2024-10-28 22:28:49 · 724 阅读 · 0 评论 -
Anomaly Transformer 解读
提出 “temporal association (series - association)” 建模时序结构，并引入“高斯核” 的 “prior - association”，通过二者间对比，从而捕获时序异常信息。原创 2024-03-05 15:46:01 · 704 阅读 · 0 评论 -
Sub - Adjacent Transformer — 对AT的有趣改进
Transformer + “次邻域” + “线性注意力”原创 2024-10-15 15:23:34 · 1085 阅读 · 0 评论 -
综述：Definitions and Benchmarks
重新审视时序异常检测领域的 Definitions 及 Benchmarks，提出了 “Pattern-wise Outliers” 的细分概念，并对时序数据重新建模，贡献了几十个明确异常类型的合成数据集。原创 2024-03-05 14:10:16 · 549 阅读 · 0 评论 -
MambaAD —— 统一的视觉异常感知框架
MambaAD — 统一的视觉异常感知框架原创 2024-05-19 15:18:49 · 736 阅读 · 0 评论 -
CutAddPaste 解读
CutAddPaste 采用先进的五类数据增强策略，尽可能多地利用异常先验知识以生成伪异常，是一类最新的基于 “异常假设” 的 AD 方法。原创 2024-09-05 16:53:51 · 813 阅读 · 0 评论 -
DCdetector 解读
DCdetector 采用 “对比表征学习”，杜绝 “重建” 导致难以检测 “段异常” 的弊端。原创 2024-01-21 00:30:57 · 665 阅读 · 0 评论 -
Position: Quo Vadis, Unsupervised Time Series Anomaly Detection? 解读
在时序异常检测领域，简单有效的模型范式 可能在性能上打败 复杂先进的深度学习方法？原创 2024-08-15 20:30:22 · 531 阅读 · 0 评论 -
COUTA 解读
时间序列异常检测着眼于设计先进的神经网络、新的重建/预测学习目标，尽可能准确地学习数据的正常分布，但该单分类任务却容易被 “异常污染” 欺骗。原创 2023-12-02 20:35:04 · 1866 阅读 · 1 评论 -
FGAN 解读
FGAN 实现了在无监督场景下，借助 GAN 的重建误差生成伪标签，从而实现噪音过滤。原创 2023-12-05 22:12:32 · 1120 阅读 · 3 评论 -
USAD 解读
USAD 的自动编码器结构使其能以无监督方式学习、对抗性训练及其架构的使用允许其在提供快速训练的同时隔离异常。改良了 GAN 训练时的模式崩溃与不收敛。原创 2023-12-12 15:47:25 · 498 阅读 · 0 评论 -
VUS —— 新的 “时序异常” 评估指标
VUS —— 介绍一种新的 “时序异常” 评估指标。（基于 “Range - AUC - ROC” 改进，引入 buffer 的概念，尽可能消除 buffer 长度 及 异常分数阈值 的影响）原创 2024-03-16 23:21:18 · 1087 阅读 · 0 评论