Back to Repair：時系列異常検知のための最小限のノイズ除去ネットワーク

概要: 時系列異常検知のための最小限のノイズ除去ネットワークであるJuRe（Just Repair）を紹介します。本研究の中心的な発見として、学習目的がマニフォールド射影の原理を正しく実装している場合、アーキテクチャの複雑さは不要であることを示します。JuReは、隠れ次元128の単一の深さ方向分離畳み込み（depthwise-separable）による畳み込み残差ブロックから構成され、破損した時系列ウィンドウを修復するよう学習されます。また推論時には、固定のパラメータ不要な構造的相違（structural discrepancy）関数でスコア付けします。注意機構も、潜在変数も、敵対的（adversarial）コンポーネントも一切用いずに、JuReはTSB-ADの多変量ベンチマークで2位（AUC-PR 0.404、180系列、17データセット）となり、さらにUCRの単変量アーカイブでもAUC-PR（0.198、250系列）で2位となり、AUC-PRおよびVUS-PRにおいて全てのニューラル基線を上回ります。TSB-ADに対するコンポーネントのアブレーションでは、学習時の破損が支配的な要因であることが示されました（除去による\DeltaAUC-PR = 0.047）。これにより、検出品質を左右するのはネットワークの容量ではなく、ノイズ除去の目的であることが確認されます。ペアごとのウィルコクソン符号付き順位検定により、TSB-ADにおいて25の基線のうち21に対して統計的に有意であることが示されます。コードは次のURLで入手可能です: https://github.com/iis-esslingen/JuRe。