喜报 | 我所一篇论文被国际顶级学术期刊IEEE Transactions on Instrumentation & Measurement录用

发布时间：2023年08月21日

       由我所师生合作完成的一篇论文CrossFuN: Multi-View Joint Cross Fusion Network for Time series Anomaly Detection被国际顶级学术期刊IEEE Transactions on Instrumentation & Measurement录用，论文主要由我所硕士生白云飞在王晶老师和林友芳老师的指导下完成。

      在工业设备和IT系统中，多变量时序异常检测(Multivariate Time Series Anomaly Detection)对于故障诊断具有重要意义，现有的基于时域或者时频域转换的方法由于其特征表达的局限性，并不能准确的检测出复杂类型的异常，并且多数方法采用重构片段的误差作为损失函数，忽略了时序的局部信息。本文提出时频异质性和时频同构性假设，分别考虑时频域信息和它们的交叉信息，以提高特征表示，并结合预测和重构的思想作为损失函数来增强模型性能。我们在9个公开数据集上的大量实验结果证明了所提出方法的优越性。