欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021110026474
申请人: 桂林电子科技大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于共享自编码器的时间序列异常检测方法,其特征在于,包括:利用D1和D2解码器分别共享两个编码器E1和E2,形成两组编码解码再编码的网络结构;

基于自编码器训练方式对两个网络结构进行重构训练;

基于对抗训练方式训练两个网络结构;

在两个网络结构中输入测试数据,计算数据的异常得分,得到异常检测结果;

其中,输入的所述测试数据来源于图像处理;

所述利用D1和D2解码器分别共享两个编码器E1和E2的具体方式是:解码器D1与编码器E1和E2组成EDE1结构,解码器D2共享使用编码器E1和E2组成EDE2结构;

所述基于自编码器训练方式对两个网络结构进行重构训练的具体方式为:对时间序列数据进行预处理,得到第一时间窗口数据;

将第一时间窗口数据送入编码器E1,经过编码器E1的线性层特征提取得到第一特征向量并储存;

D1和D2解码器将第一特征向量作为输入重构训练集,得到第二时间窗口数据和第三时间窗口数据;

将第二时间窗口数据和第三时间窗口数据输入编码器E2得到第一重构特征向量和第二重构特征向量;

所述基于对抗训练方式训练两个网络结构的具体步骤是:将第二重构特征向量输入解码器D1,获得第四时间窗口数据;

将第四时间窗口数据输入编码器E2,得到第三重构特征向量;

基于两个EDE结构的损失函数完成对抗训练;

所述EDE1结构的损失函数包括最大化第一时间窗口和第四时间窗口数据之间的差异;最大化第一特征向量和第三重构特征向量之间的差异以及所述EDE2结构的损失函数包括最小化第一时间窗口和第四时间窗口数据之间的差异;最小化第一特征向量和第三重构特征向量之间的差异。

2.如权利要求1所述的一种基于共享自编码器的时间序列异常检测方法,其特征在于,所述编码器包括三个线性层,其中每一层都使用ReLU当作激活函数。

3.如权利要求2所述的一种基于共享自编码器的时间序列异常检测方法,其特征在于,所述解码器包括三个线性层,前两层使用ReLU激活函数,最后一层则使用Sigmoid函数。