在线观看免费欧美日韩,男子厕所偷拍他人隐私被抓,午夜精品久久久久久99热漫画,中文字幕二区av人妻少妇,亚洲一级无码片一区二区三区,少妇性色午夜淫片aaa播放5,日韩精品一区二区三区中文9,国产乱码一区二区三区日韩,亚洲欧美日韩中文在线

ACM SIGKDD（國際數據挖掘與知識發現大會，簡稱KDD）是數據挖掘領域的頂級國際學術會議，由美國計算機學會（ACM）數據挖掘及知識發現專委會（SIGKDD）主辦，被中國計算機學會（CCF）推薦為A類國際學術會議。自1995年以來，KDD已連續成功舉辦了26屆，應運而生的KDD Cup更是數據挖掘領域最有影響力的賽事。


8月14日-18日，KDD 2021盛會于新加坡拉開帷幕。深蘭科技DeepBlueAI（DBAI）團隊積極參與今年賽事，并成為賽事焦點，成績表現出色，在Multi-dataset Time Series Anomaly Detection競賽中獲得冠軍。值得一提的是，前7名還包括華為諾亞方舟實驗室、阿里達摩院、海康威視、日立、三菱電機、日本產業技術綜合研究所和柏林洪堡大學等知名公司和高校的隊伍。比賽競爭非常激烈，吸引了超過500支隊伍積極參與，并接收了將近2000次有效結果提交。



賽事介紹

Multi-dataset Time Series Anomaly Detection

Multi-dataset Time Series Anomaly Detection競賽提供了250條時間序列，并且每條時間序列都包括一個異常點。主辦方希望選手們利用無監督或自監督的方法找到這些異常點的位置。

時序異常檢測旨在檢測數據中的意外或罕見事件項。它常用于許多工業應用，如運維、行業監控、產品價格在線監控等。

團隊成績



深蘭團隊名列首位


數據分析

這些時間序列中異常點的種類繁多，可能是點異常，也可能是群體異常，如下圖。單一方法很難找到所有文件的異常點，因此需要一個適用的框架或者好的集成方法。



圖表 1不同異常類型


競賽方案

針對這一競賽，DeepBlueAI團隊自主開發了一套高泛化性和靈活性的異常檢測框架TsaDetect。具體來說，每個時序會經過周期分析，多模型預測，評估和集成三個模塊。




圖表 2 TsaDetect 時序異常檢測框架

首先，分析輸入時間序列以提取基本信息和周期，這對于需要窗口大小的算法很重要。然后，時間序列信號通過不同的模型進行處理。所有模型都會生成時間序列殘差，這些殘差被傳遞到評估和集成模塊中。這些殘差被標準化為可比較并加權求和以產生最終的殘差。這一步中的權重由置信度決定，它表示模型在檢測該信號中的異常時的置信度。最后，異常位置由這個最終的殘差決定。


在檢測模型的選擇和開發上，主要專注于快速和穩定。我們最終采用了基于傅里葉變換的方法，matrix profile方法，以及改進的基于回歸的方法。每種方法都有自己的適用的異常類型，通過上述的框架整合起來，就得到了一個魯棒性，泛化性更強的檢測器。


總  結

2019年，深蘭團隊就在KDD Cup 2019 AutoML Track 挑戰賽中取得第一名的佳績，此次深蘭的再次奪冠證明深蘭秉承“技術先行，深耕基礎研究”的理念，在數據挖掘領域占據領先地位。而其自主研發的時序異常檢測框架，也為AI運維，AI時序監控等領域的實踐和落地開闊了思路。