一、基本信息
题目：Detecting Spacecraft Anomalies Using LSTMs and Nonparametric Dynamic Thresholding
期刊/会议：arXiv
发表时间：2018年
引用次数：3
二、论文总结
2.1 研究方向
使用LSTM对多维时间序列进行异常检测
2.2 写作动机
上一篇文章在进行异常检测时是使用了固定的阈值与残差比较，本文提出了动态、无监督的确定阈值的方法，有效降低误报率。
2.3 创新之处
本文创新之处有两个：提出一种动态、无监督的确定阈值的方法；重新判定是否异常以减少误报率。
本文只向后预测一步，并且只预测一个维度，收集每一步的误差组成误差向量，并对误差向量做指数平滑处理，然后根据平滑后的数据计算阈值。但是文章中计算阈值公式部分写的不规范，暂时还没有看懂。
image.png
得到阈值后，找出高于阈值的样本点标记为异常，然后作者为了降低误报率，对高于阈值的残差做降序排列，再补充低于阈值的最大残差，计算相邻两个残差的下降率。将下降率和最小下降率p依次比较，将小于p对应的样本点及其后面的样本点标记为正常。
