arXiv · cs.AI · Zhijie Zhong, Zhiwen Yu, Kaixiang Yang, Yongheng Liu, Jun Jiang, C. L. Philip Chen · 6 小时前模型评分45
时间序列异常检测不再只靠无监督：STAND 极简监督基线实证研究
Rethinking the Unsupervised Paradigm in Time Series Anomaly Detection: An Empirical Study and Minimalist Baseline
导读
一项实证研究提出极简监督基线 STAND（基于双向循环编码），在五个基准数据集上采用严格样本外时间协议评估，其准确率与复杂无监督方法相当或更优。标签缩放与少样本实验显示，在历史事件预算受限时监督优势依然存在，且 STAND 的预测确定性更高、事件边界更清晰。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We introduce STAND, a deliberately minimalist supervised baseline based on bidirectional recurrent encoding.”
- “The source code, benchmark datasets, and an extended Supplementary Document are publicly available at this https URL .”
来源：arXiv · cs.AI · arxiv.org