Обнаружение обнаружения аномалий путем сопоставления с образцом в наборе непрерывных данных

Question

У меня есть серия датчиков (около 4k), и каждый датчик будет измерять амплитуды в каждой точке. Предположим, я обучаю нейронную сеть с достаточным набором значений 4k (форма N * 4k). Машина найдет шаблон в ряду значений. Если значения отклоняются от шаблона (это является аномалией), она может обнаружить точку и сможет сказать, что аномалия находится в X-м датчике. Возможно ли это .Если мне нужна нейронная сеть?

Answer 1

Поскольку у вас есть входы временного ряда, вы можете использовать последовательные модели, такие как RNN, LSTM, GRU. И используйте слой softmax в конце, который может выводить (нормальный / аномалия). Вы можете использовать одну и ту же модель (вес) 4k раз, чтобы определить, какой датчик неисправен. Или эту же последовательную сеть можно обучить с помощью многомерного softmax (anomaly1 / normal1 ... fault4k / normal4k)

Но такие сети не будут работать хорошо, если данные не сбалансированы (аномалии редки).

Вы также можете попробовать RPCA для обнаружения аномалий.