#anomaly-detection 仓库
探索 76 个标记为 #anomaly-detection 的活跃开源 GitHub 仓库,它们累计获得 256,252 个 Star(平均每个项目 3,371 个)。该主题的领先项目是 netdata/netdata,拥有 81,572 个 Star。
共 76 个仓库
全栈可观测性 · 指标 · 日志 · 链路追踪 · 流量 · 拓扑 · 基础设施 · APM · NPM · DBM · RUM · 合成监控 · 云 · AI SRE · OpenTelemetry · SNMP · NetFlow/IPFIX/sFlow · IPMI · Redfish · 2000 多种集成
一个用于表格、时间序列、图、文本、图像和音频数据异常检测的 Python 库。包含 60 多个检测器、基于基准测试的 ADEngine 编排,以及用于 AI 代理的智能体工作流。
Kats,一个用于分析时间序列数据的工具包,是一个轻量级、易于使用、可泛化且可扩展的框架,用于执行时间序列分析,从理解关键统计数据和特征,到检测变化点和异常值,再到预测未来趋势。
TimeGPT-2.1:可用于生产环境的预训练时间序列基础模型,支持预测和异常检测。一个用于时间序列的生成式预训练变换器,使用超过 1000 亿个数据点进行训练。只需几行代码,即可准确预测零售、电力、金融和物联网等多个领域的数据 🚀。
Paper list and datasets for industrial image anomaly/defect detection (updating). 工业异常/瑕疵检测论文及数据集检索库(持续更新)。
使用 PyTorch 进行机器学习和深度学习解决现实世界问题的 Jupyter Notebook 教程。主题:使用 Detectron 2 进行人脸检测,使用 LSTM Autoencoders 进行时间序列异常检测,使用 YOLO v5 进行对象检测,构建您的第一个 Neural Network,针对冠状病毒每日病例的时间序列预测,使用 BER 进行情感分析
一个针对部分观测时序数据的现实中心机器/深度学习及数据挖掘的Python工具包/库,包含50+种SOTA神经网络模型,用于不完整工业不规则采样多变量时序(含NaN缺失值)的科学分析任务(插补、分类、聚类、预测、异常检测、清洗)
CS顶级会议(NIPS、ICML、ICLR、KDD、AAAI、WWW、IJCAI、CIKM、ICDM、ICDE等)时间序列工作总结
分布外检测、鲁棒性和泛化资源。该存储库包含精选的论文、教程、书籍、视频、文章和开源库等列表
关于当前用于时间序列和时空数据的扩散模型及其优秀资源(论文、应用、综述、调查等)的调查和论文列表。
关于“TimesNet: Temporal 2D-Variation Modeling for General Time Series Analysis” (ICLR 2023) 的代码发布,https://openreview.net/pdf?id=ju_Uqw384Oq
一系列异常检测方法(iid/基于点的、图和时间序列)的集合,包括用于异常检测/发现的主动学习、贝叶斯规则挖掘、多样性/解释/可解释性的描述。将标签反馈与集成和基于树的检测器结合的分析。包括使用图卷积网络的对抗攻击。
常见问题解答
GitHub 上最受欢迎的 #anomaly-detection 仓库是什么?
GitHub 上排名第一的开源 #anomaly-detection 项目是 netdata/netdata,拥有 81,572 个 Star。全栈可观测性 · 指标 · 日志 · 链路追踪 · 流量 · 拓扑 · 基础设施 · APM · NPM · DBM · RUM · 合成监控 · 云 · AI SRE · OpenTelemetry · SNMP · NetFlow/IPFIX/sFlow · IPMI · Redfish · 2000 多种集成
#anomaly-detection 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #anomaly-detection 项目中,最常见的编程语言是 Python, Jupyter Notebook, PHP, Go。
#anomaly-detection 仓库的排名是如何计算的?
我们跟踪了 76 个标记为 #anomaly-detection 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 256,252 个 Star,平均每个仓库拥有 3,371 个 Star。排名每日根据 GitHub API 更新。