Skip to content
Hot eventLive

低秩与结构化稀疏张量分解用于多变量功能数据异常检测

1 reports1 sources3 hr ago updated

Get the story

AI overview

该事件围绕多变量函数数据异常检测的低秩与结构化稀疏张量分解方法展开。2026年10月7日，arXiv Statistics Machine Learning 频道发布一手论文报道，提出两种无监督稀疏张量分解方法：ES-CP 采用逐元素 ℓ1 惩罚识别局部异常；FG-Lasso 结合逐元素与逐纤维惩罚，可同时检测局部偏差和集中在时间纤维中的异常。目前公开信息仅涉及该论文的方法框架，尚未见后续实验验证、同行评议或实际应用进展的报道。

Generated from reports · updated 3 hr ago

LatestOct 7
arXiv 发布论文，提出 ES-CP 与 FG-Lasso 两种无监督稀疏张量分解异常检测方法。

Timeline

Follow the coverage from different angles.

Oct 7, 2026
  1. arXiv · Statistics Machine Learning
    用于多变量函数数据异常检测的低秩与结构化稀疏张量分解

    论文提出两种无监督稀疏张量分解方法：ES-CP 用逐元素 ℓ1 惩罚识别局部异常，FG-Lasso 结合逐元素与逐纤维惩罚检测局部偏差和集中在时间纤维中的异常。

Heat trend

Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –

02.557.510Oct7Oct7Oct7Oct7

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.