跳到主要内容
检索

# CLGAT模型

1 篇关联报道

订阅更新
  1. researchsquare.com

    服务器异常检测不再只看重建误差:CLGAT把跨层注意力结构并入判据,SMD上F1达95.31%

    服务器多变量监控的异常检测长期以重建误差为主要判据,而注意力层学到的长程时间关联变化很少进入最终分数。CLGAT把重叠分块嵌入、跨层动态上下文残差、双阶段门控注意力和窗口注意力结构组合成一个无监督重建框架,用结构分数与Mean–Top-K重建分数相乘得到异常能量。在SMD基准上,它取得94.59%精确率、96.04%召回率和95.31%F1,高于15个对比方法中表现最好的Anomaly Transformer的92.33%F1。

已读完全部报道