시계열 이상탐지 (3) - VAE, TadGAN

VAE

VAE(Variation AutoEncoder): 오코인코더의 변형으로 잠재 벡터가 아닌 평균과 분산을 이용한 잠재 공간(Latent Space)으로 압축하는 모델로 생성 모델로 많이 사용됨
- Reconstruction-Based
- LSTM-AE와 동일한 방식으로 임계치 선정 및 모델 평가

초록색: 실제 이상치, 붉은색: 모델이 탐색한 이상치

 

 

TadGAN

TadGAN: Time Series Anomaly Detection Using Generative Adversarial Networks

TadGAN(Time Series Anomaly Detection Using Generative Adversarial Networks): GAN을 시계열 이상탐지에 응용한 모델.
- $E$: 인코더. 생성자에 들어가기 전 랜덤 벡터(z)와 구분할 수 없도록 학습
- $G$: 생성자. 원래 데이터와 생성자가 만들어낸 데이터를 구분할 수 없도록 학습
- $C_x$: 원래 데이터와 생성자로 만들어진 데이터를 구분하도록 학습
- $C_z$: 압축된 데이터와 랜덤 벡터를 구분하도록 학습
- 생성된 데이터를 3가지 방식으로 평가

    - Point-wise difference 

    - Area difference

    - DTW(Dynamic time warping)

 

- 크리틱 점수 계산
- 크리틱 점수 X DTW로 찾아낸 이상치의 정확도가 가장 높게 나옴(논문 내 결과)

초록색: 실제 이상치, 붉은색: 모델이 탐색한 이상치