Buchumschlag

CESNET-TimeSeries24: Time Series Dataset for Network Traffic Anomaly Detection and Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Koumar, Josef, Hynek, Karel, Čejka, Tomáš, Šiška, Pavel
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Comparative Analysis of Deep Learning Models for Real-World ISP Network Traffic Forecasting
von: Koumar, Josef, et al.
Veröffentlicht: (2025)

Text2TimeSeries: Enhancing Financial Forecasting through Time Series Prediction Updates with Event-Driven Insights from Large Language Models
von: Kurisinkel, Litton Jose, et al.
Veröffentlicht: (2024)

Contrastive Time Series Forecasting with Anomalies
von: Ekstrand, Joel, et al.
Veröffentlicht: (2025)

Causal Time-Series Synchronization for Multi-Dimensional Forecasting
von: Mayr, Michael, et al.
Veröffentlicht: (2024)

A Survey on Graph Neural Networks for Time Series: Forecasting, Classification, Imputation, and Anomaly Detection
von: Jin, Ming, et al.
Veröffentlicht: (2023)

When Will It Fail?: Anomaly to Prompt for Forecasting Future Anomalies in Time Series
von: Park, Min-Yeong, et al.
Veröffentlicht: (2025)

Weighted Contrastive Learning for Anomaly-Aware Time-Series Forecasting
von: Ekstrand, Joel, et al.
Veröffentlicht: (2025)

When Simple Model Just Works: Is Network Traffic Classification in Crisis?
von: Jerabek, Kamil, et al.
Veröffentlicht: (2025)

Universal Embedding Function for Traffic Classification via QUIC Domain Recognition Pretraining: A Transfer Learning Success
von: Luxemburk, Jan, et al.
Veröffentlicht: (2025)

Irregular Traffic Time Series Forecasting Based on Asynchronous Spatio-Temporal Graph Convolutional Network
von: Zhang, Weijia, et al.
Veröffentlicht: (2023)

Reasoning-Aware Training for Time Series Forecasting
von: Ahamed, Md Atik, et al.
Veröffentlicht: (2026)

Back to Repair: A Minimal Denoising Network for Time Series Anomaly Detection
von: Özer, Kadir-Kaan, et al.
Veröffentlicht: (2026)

Time Series Forecastability Measures
von: Wang, Rui, et al.
Veröffentlicht: (2025)

Ellipsoidal Time Series Forecasting
von: Wang, Qilin
Veröffentlicht: (2025)

Performative Time-Series Forecasting
von: Zhao, Zhiyuan, et al.
Veröffentlicht: (2023)

Abnormality Forecasting: Time Series Anomaly Prediction via Future Context Modeling
von: Zhao, Sinong, et al.
Veröffentlicht: (2024)

Test Time Learning for Time Series Forecasting
von: Christou, Panayiotis, et al.
Veröffentlicht: (2024)

Deep Coupling Network For Multivariate Time Series Forecasting
von: Yi, Kun, et al.
Veröffentlicht: (2024)

Time Series Foundational Models: Their Role in Anomaly Detection and Prediction
von: Shyalika, Chathurangi, et al.
Veröffentlicht: (2024)

Learning Unified Representations of Normalcy for Time Series Anomaly Detection
von: Sarker, Prithul, et al.
Veröffentlicht: (2026)

Deep Learning for Time Series Anomaly Detection: A Survey
von: Darban, Zahra Zamanzadeh, et al.
Veröffentlicht: (2022)

An Improved Time Series Anomaly Detection by Applying Structural Similarity
von: Wang, Tiejun, et al.
Veröffentlicht: (2025)

Towards Foundation Auto-Encoders for Time-Series Anomaly Detection
von: González, Gastón García, et al.
Veröffentlicht: (2025)

CCE: Confidence-Consistency Evaluation for Time Series Anomaly Detection
von: Zhong, Zhijie, et al.
Veröffentlicht: (2025)

Bridging Classification and Reconstruction: Cooperative Time Series Anomaly Detection
von: Tang, Qideng, et al.
Veröffentlicht: (2026)

ALGAN: Time Series Anomaly Detection with Adjusted-LSTM GAN
von: Bashar, Md Abul, et al.
Veröffentlicht: (2023)

Matrix Profile for Anomaly Detection on Multidimensional Time Series
von: Yeh, Chin-Chia Michael, et al.
Veröffentlicht: (2024)

A Dataset Fusion Algorithm for Generalised Anomaly Detection in Homogeneous Periodic Time Series Datasets
von: Elhalwagy, Ayman, et al.
Veröffentlicht: (2023)

Retrieval Augmented Time Series Forecasting
von: Tire, Kutay, et al.
Veröffentlicht: (2024)

Scaling Law for Time Series Forecasting
von: Shi, Jingzhe, et al.
Veröffentlicht: (2024)

Long Input Sequence Network for Long Time Series Forecasting
von: Ma, Chao, et al.
Veröffentlicht: (2024)

From Chaos to Clarity: Time Series Anomaly Detection in Astronomical Observations
von: Hao, Xinli, et al.
Veröffentlicht: (2024)

Structured Temporal Causality for Interpretable Multivariate Time Series Anomaly Detection
von: Cho, Dongchan, et al.
Veröffentlicht: (2025)

Surprised by Attention: Predictable Query Dynamics for Time Series Anomaly Detection
von: Özer, Kadir-Kaan, et al.
Veröffentlicht: (2026)

Calibrated One-class Classification for Unsupervised Time Series Anomaly Detection
von: Xu, Hongzuo, et al.
Veröffentlicht: (2022)

RATFM: Retrieval-augmented Time Series Foundation Model for Anomaly Detection
von: Maru, Chihiro, et al.
Veröffentlicht: (2025)

Temporal-Conditioned Normalizing Flows for Multivariate Time Series Anomaly Detection
von: Baumgartner, David, et al.
Veröffentlicht: (2026)

Harnessing Contrastive Learning and Neural Transformation for Time Series Anomaly Detection
von: Chen, Katrina, et al.
Veröffentlicht: (2023)

Active Learning and Transfer Learning for Anomaly Detection in Time-Series Data
von: Kelleher, John D., et al.
Veröffentlicht: (2025)

Leveraging Intermediate Representations of Time Series Foundation Models for Anomaly Detection
von: Han, Chan Sik, et al.
Veröffentlicht: (2025)