时间序列异常检测自监督学习综述

时间序列异常检测由于时间依赖数据的序列性和动态性而面临诸多挑战。传统的无监督方法在泛化方面经常遇到困难，往往对训练期间观察到的已知正常模式过拟合，且难以适应未见过的正常模式。针对这一局限性，时间序列的自监督技术作为克服这一障碍并提升异常检测器性能的潜在解决方案而受到关注。本文全面综述了利用自监督学习进行时间序列异常检测的最新方法。提出了一个基于主要特征的分类法，以促进对该领域内方法多样性的清晰理解。本调查包含的信息以及将定期更新的额外细节，可在以下GitHub存储库中获取：此https URL。