Labels wichtiger als Modelle: Supervised TSAD dominiert mit wenigen Daten
In der Welt der Zeitreihenanomalieerkennung (TSAD) gilt bislang die Annahme, dass komplexe Modelle die Lösung sind. Doch neue Forschungsergebnisse zeigen, dass gerade die Verfügbarkeit von wenigen, aber gezielten Labels einen viel größeren Einfluss auf die Leistung hat als die architektonische Komplexität.
