【发布时间】：2017-12-09 16:02:00
【问题描述】：
弹性堆栈的新x-pack ML 给我留下了深刻的印象。他们的技术似乎可以随着时间的推移学习数据模式，并且可以预测多个领域的异常情况。
我想知道可以使用什么方法和网络拓扑来创建类似的功能。假设由于 x-pack 处理时间序列数据，RNN 将是一个好的开始，是否公平？
对您的意见和参考感兴趣。
【问题讨论】：
标签： elasticsearch machine-learning anomaly-detection rnn
【发布时间】：2017-12-09 16:02:00
【问题描述】：
根据我的阅读，如果他们使用神经网络，我会感到惊讶。以下是他们检测异常的说法：
通过构建“典型”用户或机器的配置文件来检测群体中的异常值，以了解何时开始偏离群体。
像这样进行异常检测只需要对观察到的行为是否在预期行为的 2-3 个标准偏差范围内进行统计测试。
如果您出于某种原因想使用神经网络，可以使用 CNN、RNN 或仅注意力网络。 Google recently showed that you don't need RNNs or CNNs to do state-of-the-art translation.
【讨论】：
-
论文中提出的注意力机制，只是NN“编码器”的一部分，由N=6个相同的层组成。每层有两个子层。第一个是多头自注意力机制，二是简单的、按位置的全连接前馈网络”
-
@RoniGadot，我的意思是 OP 不一定需要像 RNN 这样复杂的东西。 Google 的网络是一个前馈（无重复）网络，对序列进行操作。