用于多变量时间序列异常检测的相关性感知重建

基于摘要分析。本文研究多变量时间序列中单通道表现正常、但通道间关系异常的检测问题，提出 CARMA，以分别建模时间动态和通道相关性的变分自编码器改善重建式异常检测。原研究对象是通用多变量时间序列，并非专门的 EEG 或 BCI 任务。 机制上，CARMA 设置两个互补潜在空间：时间潜在空间捕获序列动态，相关性潜在空间接受窗口内两两 Pearson 相关系数的重建监督；两者融合后输入信号解码器，最终以信号重建误差检测异常。因此，其关键不是直接将相关性偏差作为异常分数，而是通过显式相关性监督影响信号重建。具体损失形式、权重、窗口长度和训练数据要求尚未验证。 作者报告，在 TSB-AD-M 的 17 个数据集、180 条序列上与 29 种基线比较，CARMA 在多种无阈值及区间感知指标上显著优于全部对照方法，VUS-PR 为 0.4929。作者报告的消融显示，移除相关性分支会降低性能；仅增加一个无监督的潜在空间只能恢复部分收益，显式相关性目标带来其余增益，并使异常位置的重建误差响应更尖锐。各数据集划分、指标聚合方式、显著性检验及完整消融协议尚未验证。 平台推测（待验证）：若 EEG 异常体现为跨通道统计关系变化，而非单通道幅值突变，相关性监督可能提供可复用的辅助约束。可复用的是双潜在空间与相关性重建目标；需适配 EEG 的参考方式、通道布局及窗口尺度。低信噪比、容积传导和参考选择可能使 Pearson 相关性偏离目标神经活动，被试差异、通道缺失及小数据也可能削弱稳定性。一个可检验的小实验是在固定数据划分与容量匹配条件下，对比单潜在空间、无相关性监督的双潜在空间和 CARMA，分别评估单通道异常与保持单通道统计特征的跨通道关系扰动；该实验仅检验机制假设，不代表临床有效性。已有 EEG 相关工作尚未检索确认。