تعتبر عملية كشف الشذوذ في السلاسل الزمنية أمرًا حيويًا في العديد من التطبيقات الواقعية، حيث إن السلوك الشاذ نادر، وغالبًا ما تكون الألقاب غير متاحة، بينما تكون تكلفة الفوات عالية. التحدي الرئيسي هنا هو تعلم كيفية تحديد مفهوم "الطبيعية" بالشكل الكافي لاتخاذ خطوات فورية عند اكتشاف أي انحراف.

استعرضت الدراسة الجديدة التي تحمل عنوان VACE (تمثيلات القنوات المتناغمة مع السرعة) مقاربة فريدة تعتمد على التعلم الذاتي في اكتشاف الشذوذ، حيث تعمل هذه الطريقة على تشكيل الفضاء اللاتيني لتمثيل السلاسل الزمنية بشكل دقيق يتيح الكشف عن الشذوذ بصورة موثوقة. عبر استخدام تقنيات التعلم الذاتي بدون الحاجة إلى عينة سلبية أو شذوذ مصطنع، يتم تدريب نموذج يركز على الانضباط المكاني وتناسق السرعة، مما ينتج عنه تمثيلات سلسة محليًا ومتسقة.

تأتي طريقة VACE بمقاييس محددة مثل نسبة موهاليبيس (Mahalanobis positional score) ونقاط الاتجاه التي تسمى "بنك السرعة"، مما يعزز قدرتها على كشف النقاط التي قد تكون خارج التوزيع الطبيعي وفي نفس الوقت ديناميكية غير عادية.

وعلى الرغم من بساطتها، فإن VACE حققت أداءً متفوقًا على العديد من الطرق الأكثر تعقيدًا، متفوقةً في أداءها على اختبارات TSB-AD-M، مما يثبت فاعلية هذا الأسلوب الجديد في عالم التكنولوجيا والذكاء الاصطناعي.