Anomaly Transformer 解读

如有侵权或其他问题，欢迎留言联系更正或删除。 

一  序言

1. 出处：2022 ICLR

2. 代码：https://github.com/thuml/Anomaly-Transformer

3. 整体思路：

4. 历史主流方法对比：

LOF、OC-SVM、SVDD（传统机器学习方法）：泛化性差、忽略时间模式（temporal pattern）

RNN（重建或自回归）：虽考虑到时间模式，但仍逐点计算重建误差、预测误差，无法提供对时间背景的全面描述

显式关联建模：

GNN：仍只考虑“点对点关联”的信息建模，信息不足；  

基于子序列的方法：无法捕获各时间点与整个序列间的细粒度关联，细粒度不足

5. 故本文提出"temporal association (series-association)"：（概念理解）