Buchumschlag

Decomposition-based multi-scale transformer framework for time series anomaly detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Wenxin, Luo, Cuicui
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ECATS: Explainable-by-design concept-based anomaly detection for time series
von: Ferfoglia, Irene, et al.
Veröffentlicht: (2024)

AD-NEv++ : The multi-architecture neuroevolution-based multivariate anomaly detection framework
von: Pietroń, Marcin, et al.
Veröffentlicht: (2024)

Towards efficient deep autoencoders for multivariate time series anomaly detection
von: Pietroń, Marcin, et al.
Veröffentlicht: (2024)

Dual-channel Heterophilic Message Passing for Graph Fraud Detection
von: Zhang, Wenxin, et al.
Veröffentlicht: (2025)

DConAD: A Differencing-based Contrastive Representation Learning Framework for Time Series Anomaly Detection
von: Zhang, Wenxin, et al.
Veröffentlicht: (2025)

Mitigating the reconstruction-detection trade-off in VAE-based unsupervised anomaly detection
von: Senellart, Agathe, et al.
Veröffentlicht: (2026)

A GAN-based data poisoning framework against anomaly detection in vertical federated learning
von: Chen, Xiaolin, et al.
Veröffentlicht: (2024)

Financial time series augmentation using transformer based GAN architecture
von: Podobiński, Andrzej, et al.
Veröffentlicht: (2026)

Research and application of Transformer based anomaly detection model: A literature review
von: Ma, Mingrui, et al.
Veröffentlicht: (2024)

Deep evolving semi-supervised anomaly detection
von: Belham, Jack, et al.
Veröffentlicht: (2024)

A federated learning framework with knowledge graph and temporal transformer for early sepsis prediction in multi-center ICUs
von: Chang, Yue, et al.
Veröffentlicht: (2026)

Bond Graphs for multi-physics informed Neural Networks for multi-variate time series
von: Brachet, Alexis-Raja, et al.
Veröffentlicht: (2024)

Can I trust my anomaly detection system? A case study based on explainable AI
von: Rashid, Muhammad, et al.
Veröffentlicht: (2024)

Preserving Node Distinctness in Graph Autoencoders via Similarity Distillation
von: Chen, Ge, et al.
Veröffentlicht: (2024)

WEITS: A Wavelet-enhanced residual framework for interpretable time series forecasting
von: Guo, Ziyou, et al.
Veröffentlicht: (2024)

A unified framework for detecting point and collective anomalies in operating system logs via collaborative transformers
von: Nasirzadeh, Mohammad, et al.
Veröffentlicht: (2025)

Sparse, self-organizing ensembles of local kernels detect rare statistical anomalies
von: Grosso, Gaia, et al.
Veröffentlicht: (2025)

Dockformer: A transformer-based molecular docking paradigm for large-scale virtual screening
von: Yang, Zhangfan, et al.
Veröffentlicht: (2024)

CNN-TFT explained by SHAP with multi-head attention weights for time series forecasting
von: Stefenon, Stefano F., et al.
Veröffentlicht: (2025)

Scalable and reliable deep transfer learning for intelligent fault detection via multi-scale neural processes embedded with knowledge
von: Li, Zhongzhi, et al.
Veröffentlicht: (2024)

Transfer learning applications for anomaly detection in wind turbines
von: Roelofs, Cyriana M. A., et al.
Veröffentlicht: (2024)

The OPS-SAT benchmark for detecting anomalies in satellite telemetry
von: Ruszczak, Bogdan, et al.
Veröffentlicht: (2024)

MAFA: A multi-agent framework for annotation
von: Hegazy, Mahmood, et al.
Veröffentlicht: (2025)

Anomaly detection in time-series via inductive biases in the latent space of conditional normalizing flows
von: Baumgartner, David, et al.
Veröffentlicht: (2026)

Unsupervised anomaly detection algorithms on real-world data: how many do we need?
von: Bouman, Roel, et al.
Veröffentlicht: (2023)

PA2D-MORL: Pareto Ascent Directional Decomposition based Multi-Objective Reinforcement Learning
von: Hu, Tianmeng, et al.
Veröffentlicht: (2026)

Enhanced anomaly detection in well log data through the application of ensemble GANs
von: Al-Fakih, Abdulrahman, et al.
Veröffentlicht: (2024)

A hybrid IndRNNLSTM approach for real-time anomaly detection in software-defined networks
von: Salem, Sajjad, et al.
Veröffentlicht: (2024)

PAX-TS: Model-agnostic multi-granular explanations for time series forecasting via localized perturbations
von: Kreuzer, Tim, et al.
Veröffentlicht: (2025)

Temporal convolutional and fusional transformer model with Bi-LSTM encoder-decoder for multi-time-window remaining useful life prediction
von: Pour, Mohamadreza Akbari, et al.
Veröffentlicht: (2025)

RESTAD: REconstruction and Similarity based Transformer for time series Anomaly Detection
von: Ghorbani, Ramin, et al.
Veröffentlicht: (2024)

Rare anomalies require large datasets: About proving the existence of anomalies
von: Klüttermann, Simon, et al.
Veröffentlicht: (2025)

A multi-model approach using XAI and anomaly detection to predict asteroid hazards
von: Mondal, Amit Kumar, et al.
Veröffentlicht: (2025)

Tiny-Toxic-Detector: A compact transformer-based model for toxic content detection
von: Kamphuis, Michiel
Veröffentlicht: (2024)

Int2Int: a framework for mathematics with transformers
von: Charton, François
Veröffentlicht: (2025)

Explained anomaly detection in text reviews: Can subjective scenarios be correctly evaluated?
von: Novoa-Paradela, David, et al.
Veröffentlicht: (2023)

LLM Advertisement based on Neuron Auctions
von: Yun, Peiran, et al.
Veröffentlicht: (2026)

A neural-network based anomaly detection system and a safety protocol to protect vehicular network
von: Franceschini, Marco
Veröffentlicht: (2024)

Evaluation of k-means time series clustering based on z-normalization and NP-Free
von: Lee, Ming-Chang, et al.
Veröffentlicht: (2024)

AutoGraphAD: Unsupervised network anomaly detection using Variational Graph Autoencoders
von: Anyfantis, Georgios, et al.
Veröffentlicht: (2025)