提出RAMSAD检索式时序异常检测模型选择框架

Panourgias 等作者在 arXiv 提交论文，提出 RAMSAD——一种基于相似性检索的时间序列异常检测模型选择框架：针对新时间序列，从历史序列知识库中检索 top-k 最相似序列，并迁移其检测器推荐。该框架可使用标准相似度度量和基于嵌入的表示。 作者报告，该方法在 ID 场景优于现有基线，是 OOD 场景下最稳健的选择器；选择部分检测器时效果可达到或超过运行完整检测器池的集成，而成本仅为其一部分。以上为作者声称的结果。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。