一般的深度学习入门例子是MNIST 的训练和测试，几乎就算是深度学习领域的 HELLO WORLD 了，但是，有一个问题是，MNIST 太简单了，初学者闭着眼镜随便构造几层网络就可以将准确率提升到 90% 以上。但是，初学者这算入门了吗？答案是没有。现实开发当中的例子可没有这么简单，如果让初学者直接去上手 VOC 或者是 COCO 这样的数据集，很可能自己搭建的神经网络准确率不超过 30%。是的，
一、前言 在图像处理领域，卷积神经网络（Convolution Nerual Network，CNN）凭借其强大的性能取得了广泛的应用。作为一种前馈网络，CNN中各输入之间是相互独立的，每层神经元的信号只能向下一层传播，同一卷积层对不同通道信息的提取是独立的。因此，CNN擅长于提取图像中包含的空间特征，但却不能够有效处理时间序列数据（
第九章 时间序列和多维流异常诊断 9.1 引言首先时间序列具有连续性，即数据中的模式不会突然变化, 除非有异常的进程在起作用。时序突变诊断：数据随时间连续变化，而异常点或异常段表现为对前期数据的突然偏离。在整个时间序列可脱机使用的情况下, 可以利用后视的优势来识别异常时序值或形状。在有多个序列可用的情况下, 可以利用交叉关联, 尽管它们通常对每个序列的分析起次要作用。这是因为时间序列数据是上下文的
xxx
原创
2022-05-31 00:15:52
519阅读
文章目录1. 异常检测所解决的问题2. 什么是正常3. 什么是异常4. 判定异常需要一定的指导5. 相关术语6. 如何学习“正常”7. 机器学习帮你自动挑选模型8. 模型与需要
原创
2022-05-31 00:16:56
505阅读
数据是驱动科技发展的源泉，平时我们科研中也经常需要在各种开源数据上验证自己模型的效果。那时间序列目前可以使用的开源数据集有哪些呢？本期为大家做一次较为全面的整理汇总。UCR Time SeriesUCR时间序列数据集是时序领域的“Imagnet”，涵盖医疗/电力/地理 等诸多领域，目前全量数据有128种。涉及时间序列预测、回归、聚类等诸多任务，可以说是发Paper必跑数据集，由加州大学河滨分校计算
原创
2023-05-18 15:05:21
443阅读
近日，阿里云宣布高性能时间序列数据库 (High-Performance Time Series Database , 简称 HiTSDB) 正式商业化。先跟大家聊一下什么叫时序数据。简单的说，就是时间上分布的一系列数值，关键字是数值，我们一般认为的时序数据是什么时间发生了什么事情，但是在时序数据这个领域里定义的时序数据全都是跟数值有关的。也就是说，如果只是一个带有时间戳的一条数据并不能叫做时序数
转载
2023-11-30 11:11:14
75阅读
第九章 时序数据 # 导入需要的模块
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline # 加这个代码，就可以直接再cell里面生成图像UsageError: unrecognized arguments: # 加这个代码，就可以直接再cell里面生成图像【注意】右括号
转载
2023-12-11 18:47:24
2阅读
背景iForest （Isolation Forest）孤立森林是一个基于Ensemble的快速异常检测方法，具有线性时间复杂度和高精准度，是符合大数据处理要求的state-of-the-art算法。其可以用于网络安全中的攻击检测，金融交易欺诈检测，疾病侦测，和噪声数据过滤等。数据异常的两个特点：异常数据只占很少量异常数据特征值和正常数据差别很大现有的异常检测方法：主要是通过对正常样本的描述，给出
转载
2023-12-25 23:21:18
222阅读
本次技术分享为您带来的是，JUST（https://just.urban-computing.cn/）是如何使用ClickHouse实现时序数据管理和挖掘的。ClickHouse是一个高效的开源联机分析列式数据库管理系统，由俄罗斯IT公司Yandex开发的，并于2016年6月宣布开源。 一、时序数据 ...
转载
2021-10-03 10:31:00
375阅读
2评论
SPL工业智能：发现时序数据的异常
原创
2022-10-19 09:36:25
4410阅读
工业生产过程中会产生大量的数据，比如电压、温度、流量等等，它们随时间推移而不断
原创
2022-10-22 15:23:31
8980阅读
那么发现异常的任务就转换为发现不常出现的情况，判断数据是否不常出现，就是看当前数据相较于之前一段时间内的数据是否不常出现。利用之前一段时间数据学出一个模型E，用它来判断当前数据是否异常。比如之前一段时间的数据在1。
原创
2022-09-10 06:42:46
93阅读
# 使用rocksdb实现时序数据库
时序数据库是一种专门用于存储时间相关数据的数据库，在物联网、日志管理、监控系统等领域有着广泛的应用。而Java语言作为一种流行的编程语言，也有很多优秀的时序数据库实现。本文将介绍如何使用rocksdb（一个高性能的键值存储引擎）来实现一个简单的时序数据库。
## 什么是rocksdb？
RocksDB是由Facebook开发的一个高性能、持久化的键值存储
数据模型Prometheus 存储的是时序数据, 即按照相同时序(相同的名字和标签)，以时间维度存储连续的数据的集合。时序索引时序(time series) 是由名字(Metric)，以及一组 key/value 标签定义的，具有相同的名字以及标签属于相同时序。时序的名字由 ASCII 字符，数字，下划线，以及冒号组成，它必须满足正则表达式 [a-zA-Z_:][a-zA-Z0-9_:]*, 其名
介绍许多文章关注二维卷积神经网络。它们特别用于图像识别问题。1D CNN在一定程度上被涵盖，例如用于自然语言处理(NLP)。很少有文章解释如何构建一个1D CNN。本文试图弥补这一差距。什么时候应用1D CNN?CNN可以很好地识别数据中的简单模式，然后使用这些模式在更高的层中形成更复杂的模式。当您希望从整体数据集的较短(固定长度)片段中获得有趣的特征，且特征在片段中的位置相关性不高时，1D CN
产品简介TDengine 是一款高性能、分布式、支持 SQL 的时序数据库 (Database)，其核心代码，包括集群功能全部开源（开源协议，AGPL v3.0）。TDengine 能被广泛运用于物联网、工业互联网、车联网、IT 运维、金融等领域。除核心的时序数据库 (Database) 功能外，TDengine 还提供缓存、数据订阅、流式计算等大数据平台所需要的系列功能，最大程度减少
转载
2023-12-13 21:40:07
39阅读
时间序列数据异常点是指序列中模式存在不一致的点（如突然的上升或下降，趋势改变，层级变换，超出历史最大值/最小值）。时序数据的异常检测旨在快速准确的找到这些异常点。按照算法的监督方式区分，时序异常检测可以分为有监督，无监督以及弱监督三类。其中，有监督的方法将异常检测转化为二分类问题，正常数据为一个类，异常数据为一个类。这样可以直接利用现成的分类算法。但是需要人工标记异常数据，在许多实际应用中往往不太
转载
2023-10-03 14:14:40
163阅读
近几年大数据和人工智能技术逐渐成熟，运维领域多年来面临的困境有望得到突破。AIOps就是在这样一个环境下自然孕育而生。IT运维数据天生就有数据量大，维度多，时序等特征，结合人工智能算法，通过训练，就可以让机器自动发现系统异常，快速找到关联的根因，甚至可以根据历史数据提前做出预测。近些年关于AIOps的研究越来越热门，其中，多维时间序列的异常检测和故障诊断是其中非常重要的一个课题方向。本次和大家分享
背景：随着互联网的高速发展、大数据的迅速膨胀和物联网的飞速崛起，我们发现生活和工作中的大部分数据渐渐和时间产生了关联。比如运动的实时步数、每天的收盘价格、共享单车的设备状态等等。为了存储这些与时间相关的数据，积极拥抱物联网时代，各大企业纷纷推出自家的时序数据库。本文将对时序数据库的基本概念、应用场景及腾讯时序数据库CTSDB做简要介绍。 什么是时序数据库 1. 时序数据1.1 什么
