ترجمه فارسی مقاله پیش‌بینی ناهنجاری: رویکردی نوین با تأخیر و افق صریح

چکیده

Anomaly detection in time series data is a critical challenge across various domains. Traditional methods typically focus on identifying anomalies in immediate subsequent steps, often underestimating the significance of temporal dynamics such as delay time and horizons of anomalies, which generally require extensive post-analysis. This paper introduces a novel approach for detecting time series anomalies called Anomaly Prediction, incorporating temporal information directly into the prediction results. We propose a new dataset specifically designed to evaluate this approach and conduct comprehensive experiments using several state-of-the-art time series forecasting methods. The results demonstrate the efficacy of our approach in providing timely and accurate anomaly predictions, setting a new benchmark for future research in this field.

چکیده به فارسی (ترجمه ماشینی)

تشخیص ناهنجاری در داده های سری زمانی یک چالش مهم در حوزه های مختلف است.روشهای سنتی به طور معمول بر شناسایی ناهنجاری ها در مراحل بعدی فوری متمرکز می شوند ، که اغلب اهمیت پویایی زمانی مانند زمان تأخیر و افق ناهنجاری ها را دست کم می گیرند ، که به طور کلی نیاز به تجزیه و تحلیل گسترده دارند.در این مقاله یک رویکرد جدید برای تشخیص ناهنجاری های سری زمانی به نام پیش بینی ناهنجاری ارائه شده است که اطلاعات زمانی را مستقیماً در نتایج پیش بینی قرار می دهد.ما یک مجموعه داده جدید به طور خاص برای ارزیابی این رویکرد و انجام آزمایش های جامع با استفاده از چندین روش پیش بینی سری زمانی پیشرفته ارائه می دهیم.نتایج نشان دهنده اثربخشی رویکرد ما در ارائه پیش بینی های ناهنجاری به موقع و دقیق ، تعیین معیار جدیدی برای تحقیقات آینده در این زمینه است.