Topological Analysis for Detecting Anomalies (TADA) in dependent sequences: application to Time Series - Confiance.ai
Article Dans Une Revue Journal of Machine Learning Research Année : 2024

Topological Analysis for Detecting Anomalies (TADA) in dependent sequences: application to Time Series

Frédéric Chazal
Clément Levrard
  • Fonction : Auteur
  • PersonId : 1318418
Martin Royer

Résumé

This paper introduces a new methodology based on the field of Topological Data Analysis for detecting structural anomalies in dependent sequences of complex data. A motivating example is that of multivariate time series, for which our method allows to detect global changes in the dependence structure between channels. The proposed approach is lean enough to handle large scale data sets, and extensive numerical experiments back the intuition that it is more suitable for detecting global changes of correlation structures than existing methods. Some theoretical guarantees for quantization algorithms based on dependent sequences are also provided.
Fichier principal
Vignette du fichier
Tada_JMLR_Final.pdf (1.74 Mo) Télécharger le fichier
Exathlon_RANGE_PR_AUC_autorank.png (13.74 Ko) Télécharger le fichier
Exathlon_metrics_boxplot.png (35.12 Ko) Télécharger le fichier
Exathlon_tada_data.png (48.71 Ko) Télécharger le fichier
Exathlon_tada_results.png (56.85 Ko) Télécharger le fichier
GutenTAG_RANGE_PR_AUC_autorank.png (13.45 Ko) Télécharger le fichier
GutenTAG_correlation.png (48.64 Ko) Télécharger le fichier
GutenTAG_metrics_boxplot.png (62.61 Ko) Télécharger le fichier
GutenTAG_tada_data.png (172.3 Ko) Télécharger le fichier
GutenTAG_tada_results.png (74.76 Ko) Télécharger le fichier
RipsDiags.pdf (55.91 Ko) Télécharger le fichier
TopologicalWheels_RANGE_PR_AUC_autorank.png (15.28 Ko) Télécharger le fichier
TopologicalWheels_example.png (62.87 Ko) Télécharger le fichier
TopologicalWheels_example_annotated.png (103.21 Ko) Télécharger le fichier
TopologicalWheels_example_scores.png (52.51 Ko) Télécharger le fichier
TopologicalWheels_metrics_boxplot.png (50.64 Ko) Télécharger le fichier
oua-centers.png (94.06 Ko) Télécharger le fichier
oua-data.png (158.4 Ko) Télécharger le fichier
oua-pers1.png (26.2 Ko) Télécharger le fichier
oua-pers2.png (23.22 Ko) Télécharger le fichier
oua-pers3.png (24.66 Ko) Télécharger le fichier
oua-perss.png (72.13 Ko) Télécharger le fichier
oua-sl1.png (160.7 Ko) Télécharger le fichier
oua-sl2.png (166.47 Ko) Télécharger le fichier
oua-sl3.png (175.27 Ko) Télécharger le fichier
oua-sls.png (339.75 Ko) Télécharger le fichier
oua-topol-embedding.png (89.35 Ko) Télécharger le fichier
oua-topol-score.png (20.21 Ko) Télécharger le fichier
oua-truth.png (8.39 Ko) Télécharger le fichier
tada.png (84.55 Ko) Télécharger le fichier
tw-abnormal-connexion.png (50.45 Ko) Télécharger le fichier
tw-example-interpret-diag.png (52.95 Ko) Télécharger le fichier
tw-example-interpret-pos.png (52.41 Ko) Télécharger le fichier
tw-normal-connexion.png (31.38 Ko) Télécharger le fichier
Origine Fichiers éditeurs autorisés sur une archive ouverte
Origine Fichiers produits par l'(les) auteur(s)
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04604083 , version 1 (07-06-2024)
hal-04604083 , version 2 (06-01-2025)

Licence

Identifiants

Citer

Frédéric Chazal, Clément Levrard, Martin Royer. Topological Analysis for Detecting Anomalies (TADA) in dependent sequences: application to Time Series. Journal of Machine Learning Research, 2024, 25, pp.1-49. ⟨hal-04604083v2⟩
134 Consultations
489 Téléchargements

Altmetric

Partager

More