多尺度自适应时序卷积网络

参数0.026M

一个轻量级且高效的时间序列异常检测模型，在多个基准上达到最高或次高精度，同时训练和推理速度提升34%。

但永平 · Zhaoyuan, Wang · MengZhao, Zhang · Li, Zhuo

Neurocomputing 2026

参数信息

参数量

0.026 M

训练和推理速度提升

34 %

技术优势

参数极少

整个模型仅约0.026 M参数量，易于部署在资源受限的设备上。

训练推理更快

训练和推理速度相比最佳替代方案提升34%，适合需要快速响应的场景。

精度领先

在四个公开基准上与13种最新方法比较，AUC和F1达到最高或次高。

应用场景

• 工业物联网异常检测：在大量传感器数据中实时发现异常，减少停机时间。
• 设备健康监测：持续监控设备状态，提前预警故障。
• 工业过程控制：快速捕捉过程异常，保障生产安全与质量。