Исследователи MIT разработали алгоритм поиска аномалий в потоковых данных |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2022-03-04 02:43 Исследователи MIT разработали алгоритм поиска аномалий в потоковых данных. Модель позволяет изучить причинно-следственных связи в задачах мониторинга сбоев энергосистемы и дорожного трафика. Поиск выбросов в потоковых данных, собираемых несколькими датчиками, осложняется тем, что каждая выборка охватывает несколько временных рядов. Разработанная в MIT модель представляет собой комбинацию нормализующего потока и байесовской сети. Байесовская сеть факторизирует совместную вероятность данных нескольких временных рядов на менее сложные условные вероятности, которые проще параметризовать и исследовать. Такой подход позволяет оценить вероятность наблюдения определенных показаний датчиков и выявить аномалии. Алгоритм был протестирован на трех датасетах (с данными датчиков электросети и системы водоснабжения, а также с данными дорожного движения) и превзошел предыдущие state-of-the-art подходы. Модель быть применена и к другим задачах, в которых большое количество взаимосвязанных датчиков собирает и передает данные в реальном времени. Источник: openreview.net Комментарии: |
|