多变量异常检测网络

兼顾精度与效率

一种双分支自编码器架构，通过选择性状态空间模型与注意力机制的自适应融合，实现高维多变量时序数据的精准异常检测。

Mingwei, Feng · 张旭苹 · Kangjian, Di · Zikang, Zeng · Wang, Yiru · Bohan, Wang · Tianrui, Zhang · Zhang, Yali · 张益昕 · Zou, Ningmu

Measurement: Journal of the International Measurement Confederation 2026

参数信息

AUC-ROC

0.989

PR-AUC

0.791

技术优势

长程依赖建模

选择性状态空间模型分支捕获传感器信号中的长程依赖，使异常重构更准确。

动态聚焦注意力

注意力分支动态聚焦于异常可能出现的时段，提升检测敏感度。

分解去趋势

预处理分解去除趋势和周期分量，使模型专注于残差波动，异常更容易暴露。

应用场景

• 半导体制造过程监控：在CVD等工艺中实时捕捉异常，提升晶圆良率。
• 工业设备异常检测：用多传感器信号及早发现设备故障迹象。
• 多传感器时序分析：对高维时序数据进行建模，分离正常行为与异常。
• 具身智能感知异常检测：支持智能传感系统对异常事件的实时识别。