The problem of finding unusual (abn

The problem of finding unusual (abnormal, novel, deviant, anomalous) time series has recently attracted much
attention. Areas that commonly explore such unusual time
series are, for example, fault diagnostics, intrusion detection, and data cleansing. There, however, are other more
uncommon yet interesting applications too. For example, a
recent paper suggests that finding unusual time series in financial datasets could be used to allow diversification of an
investment portfolio, which in turn is essential for reducing
portfolio volatility [23].

Kết quả (Việt) 1:

Vấn đề của việc tìm kiếm chuỗi không bình thường (bất thường, tiểu thuyết, tà, dị thường) thời gian gần đây đã thu hút nhiềusự chú ý. Khu vực thường khám phá như vậy thời gian bất thườngloạt, cho ví dụ, chẩn đoán lỗi, phát hiện xâm nhập, và làm sạch dữ liệu. Có, Tuy nhiên, những chi tiết khácphổ biến được thú vị ứng dụng quá. Ví dụ, mộtgiấy gần đây cho thấy rằng việc tìm kiếm chuỗi thời gian bất thường trong datasets tài chính có thể được sử dụng để cho phép đa dạng hóa của mộtdanh mục đầu tư, mà lần lượt là điều cần thiết để giảm thiểudanh mục đầu tư các biến động [23].

Kết quả (Việt) 2:

Các vấn đề của việc tìm kiếm bất thường (bất thường, tiểu thuyết, lệch lạc, bất thường) chuỗi thời gian gần đây đã thu hút nhiều
sự chú ý. Các khu vực thường được khám phá như thời gian bất thường
series là, ví dụ, chẩn đoán lỗi, phát hiện xâm nhập, và làm sạch dữ liệu. Tuy nhiên, có rất nhiều khác
các ứng dụng thú vị nhưng hiếm quá. Ví dụ, một
nghiên cứu gần đây cho thấy rằng việc tìm kiếm chuỗi thời gian bất thường trong bộ dữ liệu tài chính có thể được sử dụng để cho phép đa dạng hóa của một
danh mục đầu tư, do đó là điều cần thiết để giảm
biến động danh mục đầu tư [23].