VAE-GAN на основе LSTM для обнаружения аномалий во временных рядах

Обнаружение аномалий во временных рядах широко используется для мониторинга состояния оборудования по данным, собранным в форме временных рядов. В настоящее время для обнаружения аномалий во временных рядах применяются методы глубокого обучения на основе генеративных состязательных сетей (GAN). Однако на этапе обнаружения аномалий эти методы требуют поиска наилучшего отображения из пространства реального времени в латентное пространство, что приводит к дополнительным ошибкам и занимает много времени. В данной работе предлагается метод обнаружения аномалий во временных рядах на основе вариационного автоэнкодера и генеративной состязательной сети с долгой краткосрочной памятью (LSTM-based VAE-GAN), эффективно решающий указанные проблемы. В предложенном методе совместно обучаются кодировщик, генератор и дискриминатор, что позволяет одновременно использовать способность кодировщика к отображению и способность дискриминатора к различению. В качестве кодировщика, генератора и дискриминатора используются сети с долгой краткосрочной памятью (LSTM). На этапе обнаружения аномалии выявляются на основе различий реконструкции и результатов дискриминации. Экспериментальные результаты показывают, что предложенный метод позволяет быстро и точно обнаруживать аномалии.