تُعتبر نماذج التوليد العميق واحدة من الأدوات المبتكرة المستخدمة في كشف الشذوذ ضمن السلاسل الزمنية المتعددة الجوانب، ولكن تواجه هذه النماذج تحدياً كبيراً أثناء تدريبها لأنها تركز على تعظيم احتمال البيانات الملحوظة، مما قد يؤدي إلى الأخطاء في الكشف عن الشذوذ. لذا، قامت دراسة جديدة بتقديم أسلوب مبتكر يقوم على إعادة تحديد مفهوم الشذوذ في مساحة Latent (الخفية) لهذا الغرض.

وفي هذا السياق، تم تقديم تحيزات استدلالية صريحة في نماذج التدفق الشرطي (Conditional Normalizing Flows)، حيث يتم نمذجة ملاحظات السلاسل الزمنية ضمن إطار زمني ثابت، مما يتيح تمثيلات خفية تتطور وفقاً للديناميكيات الزمنية المحددة مسبقاً.

تحت هذا التنظيم الجديد، يصبح السلوك المتوقع مرتبطًا بالتوافق مع توزيع محدد على المسارات الخفية، بينما يتم تعريف الشذوذ كأنه انتهاك لهذه الديناميكيات. وبالتالي، يتم إعادة صياغة كشف الشذوذ كاختبار للتوافق الإحصائي، حيث يتم توجيه الملاحظات إلى الفضاء الخفي وتقييمها عبر اختبارات ملاءمة ضد التطور الخفي المحدد.

تظهر التجارب التي تم إجراؤها على سلاسل زمنية صناعية وواقعية فاعلية هذا النهج من خلال ضمان كشف موثوق لشذوذات في التردد، والسعة، وضوضاء الملاحظات، بينما تقدم أيضاً تشخيصات قابلة للتفسير حول تماشٍ النموذج. هذه النتائج تمثل خطوة هامة نحو تطبيقات أوسع في مجالات متعددة، من مراقبة الأنظمة إلى كشف الاحتيالات وتغيرات السوق.