O TranAD, uma rede de transformadores profundos modelo de detecção e diagnóstico de anomalias baseado que usa codificadores de sequência baseados em atenção para realizar rapidamente inferência com o conhecimento das tendências temporais mais amplas nos dados. Usos da TranAD autocondicionamento baseado em pontuação de foco para permitir multimodal robusto extração de recursos e treinamento adversário para ganhar estabilidade. Além disso, meta-aprendizagem agnóstica de modelo (MAML) nos permite treinar o modelo usando dados limitados. Amplos estudos empíricos em seis conjuntos de dados disponíveis publicamente demonstram que o TranAD pode superar métodos de linha de base de última geração no desempenho de detecção e diagnóstico com dados e treinamento com eficiência de tempo. Especificamente, TranAD aumenta as pontuações da F1 em até 17%, reduzindo os tempos de treinamento em até 99% em relação às linhas de base.
TranAD: Deep Transformer Networks for Anomaly Detection in Multivariate Time Series Data