来源：期刊VIP网 时间：
作者：郑艳松;廖伟国;
单位：华南农业大学珠江学院人工智能学院;
摘要：在用户侧数据中，异常往往隐藏在复杂的时序关系中，传统的时序分析方法在处理用户侧数据中复杂的时序关系时存在困难，特征提取难以捕获关键特征，导致诊断精度低且易漏检。为此，研究一种基于深度并行时序网络的用户侧异常数据智能诊断方法。深度并行时序网络分解层利用滑动窗口法分割用户侧数据，得到数个窗口序列。编码层依据层叠时序卷积神经网络与长短期记忆（LSTM）网络建立编码器，提取各窗口序列的时空特征；解码层通过引入时间注意力机制的门控循环单元建立解码器，重构窗口序列的时空特征；推断层依据重构特征计算异常分数，当异常分数大于设置阈值时，说明该窗口内的用户侧数据为异常数据，即完成了用户侧异常数据的智能诊断。实验结果表明，所提方法可有效提取用户侧数据特征，计算异常分数，并完成用户侧异常数据智能诊断。
关键词：深度并行时序网络;;用户侧;;异常数据;;智能诊断;;滑动窗口;;LSTM
基金资助：广东省教改项目：面向高等教育程序设计类基础课程的互动知识库（粤教高函（2021）29号）
