پروژه anomaly-transformer

thuml/Anomaly-Transformer

این پروژه یک روش نوین برای تشخیص ناهنجاری در داده‌های سری زمانی ارائه می‌دهد که بر پایه مدل ترنسفورمر و با استفاده از مفهوم «اختلاف ارتباط» (Association Discrepancy) کار می‌کند.

کاربرد:

تشخیص رفتارهای غیرعادی در داده‌های سری زمانی مثل داده‌های حسگرها، سیستم‌های صنعتی، شبکه‌های کامپیوتری و سلامت دیجیتال.

در چه شرایطی بهتره استفاده شود؟

وقتی داده‌های سری زمانی دارای الگوهای پیچیده و وابستگی‌های بلندمدت باشند و روش‌های سنتی مثل آمار یا شبکه‌های عصبی ساده نتوانند به خوبی ناهنجاری را شناسایی کنند.

چند مثال از موارد استفاده:

- تشخیص خرابی در ماشین‌آلات صنعتی با استفاده از داده‌های حسگر

- شناسایی حملات سایبری در ترافیک شبکه ️

- پایش بیماران در بخش‌های مراقبت ویژه با داده‌های زیستی مثل قلب‌نگار (ECG) ️