Scientific Library of Tomsk State University

   E-catalog        

Normal view MARC view

Подход к оценке качества обнаружения аномалий в технологических сигналах С. В. Карев, А. А. Кошечкин, Д. А. Мурзагулов [и др.]

Contributor(s): Карев, Святослав Васильевич | Кошечкин, Александр Алексеевич | Мурзагулов, Дамир Альбертович | Андрющенко, Владимир Сергеевич | Замятин, Александр ВладимировичMaterial type: ArticleArticleContent type: Текст Media type: электронный Other title: An approach to evaluate the quality of anomaly detection in technological signals [Parallel title]Subject(s): обнаружение аномалий | технологические сигналы | метрики оценки | временные ряды | классификация данныхGenre/Form: статьи в журналах Online resources: Click here to access online In: Автоматизация процессов управления № 2. С. 80-89Abstract: Технологический сигнал (ТС) - одномерный временной ряд, который представляет собой упорядоченные последовательности данных дискретного времени. В связи с наличием временно́й размерности методы обнаружения аномалий во временных рядах должны учитывать временные корреляции и другие связанные со временем особенности. Как правило, для оценки качества метода обнаружения аномалий используется матрица неточностей и производные от нее метрики, такие как точность, полнота, F-мера и др. Эти метрики, однако, не учитывают наличие временной размерности. Метрика, скомпонованная из F-меры и метрик, основанных на расстоянии, позволяет учесть момент начала аномалии, баланс между ошибками первого и второго рода, наличие аномального участка (АУ). В работе предлагается подход к построению метрики качества обнаружения аномалий в ТС, комплексно компонующий указанные характеристики. За счет такой компоновки метрика оценивает временную размерность данных, позволяет более адекватно оценить наличие точечных аномалий и возникновение АУ в ТС с учетом их особенностей, отделяя их от штатных (нормальных, типичных) сигналов. Интегральная оценка учитывает не только различные особенности данных, но и может быть настроена с учетом специфики конкретной задачи. В работе приведены результаты апробации предложенной метрики качества, показавшие эффективность предложенного подхода к оценке качества обнаружения аномалий в ТС. Превосходство предложенной метрики в рассмотренных ситуациях составило в среднем более 10%. При этом дополнительным ключевым преимуществом метрики перед аналогами является возможность её настройки с учетом специфики данных и используемых моделей обнаружения аномалий.
Tags from this library: No tags from this library for this title. Log in to add tags.
No physical items for this record

Библиогр.: 20 назв.

Технологический сигнал (ТС) - одномерный временной ряд, который представляет собой упорядоченные последовательности данных дискретного времени. В связи с наличием временно́й размерности методы обнаружения аномалий во временных рядах должны учитывать временные корреляции и другие связанные со временем особенности. Как правило, для оценки качества метода обнаружения аномалий используется матрица неточностей и производные от нее метрики, такие как точность, полнота, F-мера и др. Эти метрики, однако, не учитывают наличие временной размерности. Метрика, скомпонованная из F-меры и метрик, основанных на расстоянии, позволяет учесть момент начала аномалии, баланс между ошибками первого и второго рода, наличие аномального участка (АУ). В работе предлагается подход к построению метрики качества обнаружения аномалий в ТС, комплексно компонующий указанные характеристики. За счет такой компоновки метрика оценивает временную размерность данных, позволяет более адекватно оценить наличие точечных аномалий и возникновение АУ в ТС с учетом их особенностей, отделяя их от штатных (нормальных, типичных) сигналов. Интегральная оценка учитывает не только различные особенности данных, но и может быть настроена с учетом специфики конкретной задачи. В работе приведены результаты апробации предложенной метрики качества, показавшие эффективность предложенного подхода к оценке качества обнаружения аномалий в ТС. Превосходство предложенной метрики в рассмотренных ситуациях составило в среднем более 10%. При этом дополнительным ключевым преимуществом метрики перед аналогами является возможность её настройки с учетом специфики данных и используемых моделей обнаружения аномалий.

There are no comments on this title.

to post a comment.
Share