Глубокое обучение для обнаружения аномалий во временных рядах: обзор

Обнаружение аномалий во временных рядах имеет важное значение для широкого спектра научных областей и практических приложений, включая финансовые рынки, экономику, науки о Земле, производство и здравоохранение. Наличие аномалий может указывать на новые или неожиданные события, такие как производственные неисправности, дефекты систем и учащённое сердцебиение, и поэтому представляет особый интерес. Большой объём и сложность закономерностей в данных временных рядов побудили исследователей разрабатывать специализированные модели глубокого обучения для обнаружения аномальных закономерностей. В этом обзоре представлен структурированный и всесторонний анализ современных методов глубокого обучения для обнаружения аномалий во временных рядах. Предложена таксономия, основанная на стратегиях обнаружения аномалий и моделях глубокого обучения. Помимо описания базовых методов обнаружения аномалий в каждой категории, рассматриваются их преимущества и ограничения. Кроме того, в исследовании приведены примеры применения глубокого обнаружения аномалий во временных рядах в различных предметных областях за последние годы. Наконец, обобщены нерешённые исследовательские задачи и проблемы, возникающие при адаптации моделей глубокого обнаружения аномалий к данным временных рядов.