公开(公告)号：CN114662697A

公开(公告)日：2022-06-24

申请号：CN202111578025.6

申请日：2021-12-22

Applicant: 微软技术许可有限责任公司

Inventor： 郭嵩涛 ,  P·R·德里斯科尔 ,  M·M·詹宁斯 ,  R·P·里夫斯 ,  杨波

IPC: G06N20/00 ,  G06N3/08 ,  G06F16/9536 ,  G06F16/9537

Abstract: 在示例性实施例中，机器学习模型被训练以专门识别时间序列数据中的异常点。所述模型能够被同时地并行应用于许多不同的时间序列，从而允许针对大规模在线网络的可扩展的解决方案。所述模型在指定的时间窗口内对每个数据点进行分类，并且为下游应用输出丰富的上下文信息，诸如对异常数据点的排名和显示。

公开(公告)号：CN114662696A

公开(公告)日：2022-06-24

申请号：CN202111577183.X

申请日：2021-12-22

Applicant: 微软技术许可有限责任公司

Inventor： 郭嵩涛 ,  R·P·里夫斯 ,  杨波 ,  W·Q·高 ,  W·唐 ,  P·R·德里斯科尔 ,  周山 ,  T·S·比尔菲尔德 ,  A·D·梅萨

IPC: G06N20/00 ,  G06N3/08 ,  G06F16/9537 ,  G06F16/9538

Abstract: 在示例实施例中，机器学习模型被训练为对时间序列数据中的异常点进行排名。该模型能够同时并行应用于很多不同的时间序列，允许有针对大规模在线网络的可扩展的解决方案。该模型输出针对输入异常的排名分数，并且不仅允许对相同时间序列中的异常进行排名，还允许跨多个时间序列对异常进行排名。然后可以使用该排名来确定如何最好地在图形用户界面中向用户呈现经排名的异常。