本文介绍了一种基于LSTM-encoder-decoder模型的异常检测方法。该方法通过训练正常数据的时间序列来重构时间序列，并利用异常数据进行测试，若重构错误较高，则判断数据异常。encoder-decoder模型中还包含了一个异常分数机制。
1.主要工作是将机械设备的传感器数据，LSTM-encoder-decoder模型输入正常数据时间序列训练模型，重构时间序列，然后使用异常数据进行测试，产生较高的重构错误，表明时间序列数据为异常的。
ps:在encoder-decoder模型中有score机制，较高的异常分数是更可能为异常的。
转载于:https://www.cnblogs.com/bob-wzb/p/5970605.html
LSTM-based Encoder-Decoder for Multi-sensor Anomaly Detection
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
