Suche senden
Hochladen
ディープラーニングによる時系列データの異常検知
•
Als PPTX, PDF herunterladen
•
8 gefällt mir
•
3,180 views
Core Concept Technologies
Folgen
ディープラーニングを使った時系列データの異常検知の手法の紹介と適用例を示します。
Weniger lesen
Mehr lesen
Technologie
Melden
Teilen
Melden
Teilen
1 von 17
Jetzt herunterladen
Empfohlen
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで
Shunji Umetani
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
モデル高速化百選
モデル高速化百選
Yusuke Uchida
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Yamato OKAMOTO
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
tmtm otm
[DL輪読会]ドメイン転移と不変表現に関するサーベイ
[DL輪読会]ドメイン転移と不変表現に関するサーベイ
Deep Learning JP
Empfohlen
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで
Shunji Umetani
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
モデル高速化百選
モデル高速化百選
Yusuke Uchida
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Yamato OKAMOTO
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
tmtm otm
[DL輪読会]ドメイン転移と不変表現に関するサーベイ
[DL輪読会]ドメイン転移と不変表現に関するサーベイ
Deep Learning JP
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
SHAP値の考え方を理解する(木構造編)
SHAP値の考え方を理解する(木構造編)
Kazuyuki Wakasugi
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
AGIRobots
密度比推定による時系列データの異常検知
密度比推定による時系列データの異常検知
- Core Concept Technologies
機械学習を用いた異常検知入門
機械学習を用いた異常検知入門
michiaki ito
Deep Learning Lab 異常検知入門
Deep Learning Lab 異常検知入門
Shohei Hido
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
joisino
さらば!データサイエンティスト
さらば!データサイエンティスト
Shohei Hido
畳み込みLstm
畳み込みLstm
tak9029
Data-centricなML開発
Data-centricなML開発
Takeshi Suzuki
【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?
Masanao Ochi
深層強化学習による自動運転車両の経路探索に関する研究
深層強化学習による自動運転車両の経路探索に関する研究
harmonylab
12. Diffusion Model の数学的基礎.pdf
12. Diffusion Model の数学的基礎.pdf
幸太朗 岩澤
異常検知
異常検知
Yasuaki Sakamoto
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII
【DL輪読会】GPT-4Technical Report
【DL輪読会】GPT-4Technical Report
Deep Learning JP
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
hoxo_m
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
Deep Learning JP
“機械学習の説明”の信頼性
“機械学習の説明”の信頼性
Satoshi Hara
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
福岡市内のベンチャー企業が取り組む最新It技術
福岡市内のベンチャー企業が取り組む最新It技術
Takuya Andou
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
卓也 安東
Weitere ähnliche Inhalte
Was ist angesagt?
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
SHAP値の考え方を理解する(木構造編)
SHAP値の考え方を理解する(木構造編)
Kazuyuki Wakasugi
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
AGIRobots
密度比推定による時系列データの異常検知
密度比推定による時系列データの異常検知
- Core Concept Technologies
機械学習を用いた異常検知入門
機械学習を用いた異常検知入門
michiaki ito
Deep Learning Lab 異常検知入門
Deep Learning Lab 異常検知入門
Shohei Hido
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
joisino
さらば!データサイエンティスト
さらば!データサイエンティスト
Shohei Hido
畳み込みLstm
畳み込みLstm
tak9029
Data-centricなML開発
Data-centricなML開発
Takeshi Suzuki
【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?
Masanao Ochi
深層強化学習による自動運転車両の経路探索に関する研究
深層強化学習による自動運転車両の経路探索に関する研究
harmonylab
12. Diffusion Model の数学的基礎.pdf
12. Diffusion Model の数学的基礎.pdf
幸太朗 岩澤
異常検知
異常検知
Yasuaki Sakamoto
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII
【DL輪読会】GPT-4Technical Report
【DL輪読会】GPT-4Technical Report
Deep Learning JP
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
hoxo_m
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
Deep Learning JP
“機械学習の説明”の信頼性
“機械学習の説明”の信頼性
Satoshi Hara
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
Was ist angesagt?
(20)
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
SHAP値の考え方を理解する(木構造編)
SHAP値の考え方を理解する(木構造編)
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
密度比推定による時系列データの異常検知
密度比推定による時系列データの異常検知
機械学習を用いた異常検知入門
機械学習を用いた異常検知入門
Deep Learning Lab 異常検知入門
Deep Learning Lab 異常検知入門
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
さらば!データサイエンティスト
さらば!データサイエンティスト
畳み込みLstm
畳み込みLstm
Data-centricなML開発
Data-centricなML開発
【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?
深層強化学習による自動運転車両の経路探索に関する研究
深層強化学習による自動運転車両の経路探索に関する研究
12. Diffusion Model の数学的基礎.pdf
12. Diffusion Model の数学的基礎.pdf
異常検知
異常検知
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
【DL輪読会】GPT-4Technical Report
【DL輪読会】GPT-4Technical Report
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
“機械学習の説明”の信頼性
“機械学習の説明”の信頼性
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Ähnlich wie ディープラーニングによる時系列データの異常検知
福岡市内のベンチャー企業が取り組む最新It技術
福岡市内のベンチャー企業が取り組む最新It技術
Takuya Andou
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
卓也 安東
アクセスデータ収集と解析
アクセスデータ収集と解析
Yoichi Tomi
なるべく楽して展示ブースの人数の監視システムを作ろうとした話
なるべく楽して展示ブースの人数の監視システムを作ろうとした話
Core Concept Technologies
深層学習と音響信号処理
深層学習と音響信号処理
Yuma Koizumi
Pythonでディープラーニングをはじめるための一歩目
Pythonでディープラーニングをはじめるための一歩目
Core Concept Technologies
生活支援ロボットにおける大規模データ収集に向けて
生活支援ロボットにおける大規模データ収集に向けて
Komei Sugiura
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
Shohei Hido
IoT×ビジネス活用 ~最先端技術のビジネス活用に向けて~
IoT×ビジネス活用 ~最先端技術のビジネス活用に向けて~
法林浩之
Data scientist casual talk in 白金台
Data scientist casual talk in 白金台
Hiroko Onari
今さら聞けないITエンジニアのための人工知能
今さら聞けないITエンジニアのための人工知能
Keisuke Tameyasu
マシンパーセプション研究におけるChainer活用事例
マシンパーセプション研究におけるChainer活用事例
nlab_utokyo
ブロックチェーンと仮想通貨 -- 新しいビジネスに挑戦
ブロックチェーンと仮想通貨 -- 新しいビジネスに挑戦
Yuto Takei
Os 12 記号創発ロボティクス / OS趣旨説明@JSAI2015
Os 12 記号創発ロボティクス / OS趣旨説明@JSAI2015
Tadahiro Taniguchi
02.超初心者向けセキュリティ入門(IoT)
02.超初心者向けセキュリティ入門(IoT)
Study Group by SciencePark Corp.
ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術
Shohei Hido
[Japan Tech summit 2017] MAI 001
[Japan Tech summit 2017] MAI 001
Microsoft Tech Summit 2017
可視化法学(Found it project#9)
可視化法学(Found it project#9)
(shibao)芝尾 (kouichiro)幸一郎
人工知能を用いた医用画像処理技術
人工知能を用いた医用画像処理技術
Yutaka KATAYAMA
Iot_demo_challenger
Iot_demo_challenger
yoko tsushima
Ähnlich wie ディープラーニングによる時系列データの異常検知
(20)
福岡市内のベンチャー企業が取り組む最新It技術
福岡市内のベンチャー企業が取り組む最新It技術
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
アクセスデータ収集と解析
アクセスデータ収集と解析
なるべく楽して展示ブースの人数の監視システムを作ろうとした話
なるべく楽して展示ブースの人数の監視システムを作ろうとした話
深層学習と音響信号処理
深層学習と音響信号処理
Pythonでディープラーニングをはじめるための一歩目
Pythonでディープラーニングをはじめるための一歩目
生活支援ロボットにおける大規模データ収集に向けて
生活支援ロボットにおける大規模データ収集に向けて
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
IoT×ビジネス活用 ~最先端技術のビジネス活用に向けて~
IoT×ビジネス活用 ~最先端技術のビジネス活用に向けて~
Data scientist casual talk in 白金台
Data scientist casual talk in 白金台
今さら聞けないITエンジニアのための人工知能
今さら聞けないITエンジニアのための人工知能
マシンパーセプション研究におけるChainer活用事例
マシンパーセプション研究におけるChainer活用事例
ブロックチェーンと仮想通貨 -- 新しいビジネスに挑戦
ブロックチェーンと仮想通貨 -- 新しいビジネスに挑戦
Os 12 記号創発ロボティクス / OS趣旨説明@JSAI2015
Os 12 記号創発ロボティクス / OS趣旨説明@JSAI2015
02.超初心者向けセキュリティ入門(IoT)
02.超初心者向けセキュリティ入門(IoT)
ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術
[Japan Tech summit 2017] MAI 001
[Japan Tech summit 2017] MAI 001
可視化法学(Found it project#9)
可視化法学(Found it project#9)
人工知能を用いた医用画像処理技術
人工知能を用いた医用画像処理技術
Iot_demo_challenger
Iot_demo_challenger
Mehr von Core Concept Technologies
センシングサイエンティストが経費精算を自動化したらこうなった
センシングサイエンティストが経費精算を自動化したらこうなった
Core Concept Technologies
C#で速度を極めるいろは
C#で速度を極めるいろは
Core Concept Technologies
コンソールアプリケーションでDIを使う
コンソールアプリケーションでDIを使う
Core Concept Technologies
開発環境をWindowsからMacに移行してみた話
開発環境をWindowsからMacに移行してみた話
Core Concept Technologies
Linqの速度測ってみた
Linqの速度測ってみた
Core Concept Technologies
データソースにLinqDataSourceを使った場合のGridViewの高速化
データソースにLinqDataSourceを使った場合のGridViewの高速化
Core Concept Technologies
ロボットアームをPythonで動かす
ロボットアームをPythonで動かす
Core Concept Technologies
Pythonで簡単動画解析
Pythonで簡単動画解析
Core Concept Technologies
Pythonで簡単な統計・分析をしてみよう!
Pythonで簡単な統計・分析をしてみよう!
Core Concept Technologies
Google Colab環境でPythonスクレイピング
Google Colab環境でPythonスクレイピング
Core Concept Technologies
可視化の先にあるものとは
可視化の先にあるものとは
Core Concept Technologies
ロボットと協働生活中に試行錯誤したこと
ロボットと協働生活中に試行錯誤したこと
Core Concept Technologies
3Dモデル類似検索
3Dモデル類似検索
Core Concept Technologies
GPUいらずの高速動画異常検知
GPUいらずの高速動画異常検知
Core Concept Technologies
固有表現抽出と適用例のご紹介
固有表現抽出と適用例のご紹介
Core Concept Technologies
深層強化学習入門
深層強化学習入門
Core Concept Technologies
なぜIoTプロジェクトは途中でとまってしまうのか。
なぜIoTプロジェクトは途中でとまってしまうのか。
Core Concept Technologies
工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介します
工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介します
Core Concept Technologies
AIによる簡単レコメンドシステム実装
AIによる簡単レコメンドシステム実装
Core Concept Technologies
Orizuru IoTは何を変えたのか
Orizuru IoTは何を変えたのか
Core Concept Technologies
Mehr von Core Concept Technologies
(20)
センシングサイエンティストが経費精算を自動化したらこうなった
センシングサイエンティストが経費精算を自動化したらこうなった
C#で速度を極めるいろは
C#で速度を極めるいろは
コンソールアプリケーションでDIを使う
コンソールアプリケーションでDIを使う
開発環境をWindowsからMacに移行してみた話
開発環境をWindowsからMacに移行してみた話
Linqの速度測ってみた
Linqの速度測ってみた
データソースにLinqDataSourceを使った場合のGridViewの高速化
データソースにLinqDataSourceを使った場合のGridViewの高速化
ロボットアームをPythonで動かす
ロボットアームをPythonで動かす
Pythonで簡単動画解析
Pythonで簡単動画解析
Pythonで簡単な統計・分析をしてみよう!
Pythonで簡単な統計・分析をしてみよう!
Google Colab環境でPythonスクレイピング
Google Colab環境でPythonスクレイピング
可視化の先にあるものとは
可視化の先にあるものとは
ロボットと協働生活中に試行錯誤したこと
ロボットと協働生活中に試行錯誤したこと
3Dモデル類似検索
3Dモデル類似検索
GPUいらずの高速動画異常検知
GPUいらずの高速動画異常検知
固有表現抽出と適用例のご紹介
固有表現抽出と適用例のご紹介
深層強化学習入門
深層強化学習入門
なぜIoTプロジェクトは途中でとまってしまうのか。
なぜIoTプロジェクトは途中でとまってしまうのか。
工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介します
工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介します
AIによる簡単レコメンドシステム実装
AIによる簡単レコメンドシステム実装
Orizuru IoTは何を変えたのか
Orizuru IoTは何を変えたのか
Kürzlich hochgeladen
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
Kürzlich hochgeladen
(8)
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
ディープラーニングによる時系列データの異常検知
1.
ディープラーニングによる 時系列データの異常検知 @LT会 2018/2/16 IoT/AIソリューション事業部 長谷川哲也
2.
自己紹介 1 ■ 名前:長谷川哲也 ■ 所属:IoT/AIソリューション事業部(最近できました) 学生時代:数値計算 入社後:ほぼ機械学習関連のお仕事 商品のレコメンド、画像の自動分類 異常検知、自然言語処理など なんかいろいろやっています
3.
今回お話すること 2 ■ 世の中で大ブームになっているディープラーニングを用いた 時系列データの異常検知の手法の1つの概要と、 それの実験結果を示します ■ ただし詳細についてはここでは説明しません
4.
ディープラーニングとは? 3 人間の神経回路網を模したモデルによってデータの特徴を 良くとらえることができる手法 特に 画像や音声などに対しては他の手法よりも高性能 大量の画像 未知の画像を識別特徴を学習 画像識別の例
5.
時系列データに対する ディープラーニングの手法 4 ■ 通常のディープラーニングでは時系列データを扱うことができない ■ RNN(Recurrent
Neural Network)と呼ばれる手法を用いることで、 ディープラーニングで時系列データを扱うことが可能 時系列データの例:文章、音声、波形など ■ RNNの一種であるLSTM(Long ShortTerm Memory)が 実際にはよく使われる – 通常のRNNよりも長い時系列データに対して学習が可能!
6.
時系列データの異常検知 5 異常な箇所時系列データの例 異常が発生した場合に自動でそれを検知したい
7.
ディープラーニングによる 時系列データの異常検知の手法 6 ディープラーニングによる異常検知の手法はいくつか存在する 今回は入力された時系列データをLSTMによって 復元するように学習していく手法を扱う[1] [1] Pankaj Malhotra
et al., LSTM-based Encoder-Decoder for Multi-sensorAnomaly Detection (2016)
8.
手法のアイデア 7 学習に使う正常波形 LSTMのモデル 入力波形と似た波形 入力 出力 正常波形が復元されるように学習 学習に使うのは 複数の正常波形 学習時
9.
手法のアイデア 8 未知の波形が異常かどうかの判定時 学習に使わなかった正常波形 LSTMのモデル 入力波形と似た波形 入力 出力 学習に使った波形と似た特徴をもつため、 上手く復元可能
10.
手法のアイデア 9 未知の波形が異常かどうかの判定時 異常波形 LSTMのモデル 入力波形と似ない波形 入力 出力 学習に使った波形と特徴が異なるため、 上手く復元できない
11.
手法のアイデア 10 異常検知の場合にはどれだけ波形が異常なのかを あらわす異常度を計算する 異常度が大きいほど波形が異常
本手法の場合には、入力波形と出力波形との 誤差にもとづいて異常度を計算 ただし単純に誤差が異常度になっているわけではない 異常度の計算
12.
実験の内容 11 次のような電力需要のデータを学習(以下は一週間分のデータ例) 言語はpython3、ライブラリはPyTorch
ver0.3を使用 月曜 火曜 水曜 木曜 金曜 土曜 日曜
13.
実験結果 12 正常データでの結果 上手く復元される
14.
実験結果 13 異常データでの結果 上手く復元できない 異常度大
15.
実験結果 14 異常データでの結果
16.
実験結果 15 異常データでの結果
17.
16 今回はディープラーニングを用いた時系列データの 異常検知を紹介しました ただし、異常検知においては、いつもディープラーニングを 使うと良いというわけではありませんのでご注意ください さいごに
Jetzt herunterladen