Papers/Anomaly Detection2 [논문 리뷰] Unsupervised Anomaly Detection for Cars CAN Sensors Time Series Using small Recurrent and Convolutional Neural Networks 위 논문은 CNN, LSTM, GRU 등의 모델을 이용하여 CAN Sensor의 시계열 데이터의 이상 상황을 탐지를 한다는 연구입니다. AbstractCAN 센서에서 생성된 시계열 데이터를 분석하여 비지도 학습을 기반으로 한 Anomaly Detection을 제안합니다.작은 규모의 RNN과 CNN을 사용하여 다차원적인 시계열 데이터를 효율적으로 처리하고자 합니다. Introduction and Related Work자동차 산업에서 Predictive Maintenance는 차량에서 발생하는 이상과 고장을 사전에 감지하는 것을 목표로 합니다.차량은 복잡하고 다양한 센서들의 데이터로 구성되어 Multidimensional Time Series Data가 생성되게 됩니다. Car Time Series Ext.. 2024. 8. 11. [논문리뷰] Change Point Enhanced Anomaly Detection for IoT Time Series Data "Change Point Enhanced Anomaly Detection for IoT Time Series Data"는 변화 지점 검출을 통해 IoT 시계열 데이터의 오탐을 줄이고 이상 탐지의 정확성을 높이는 새로운 규칙 기반의 의사 결정 시스템을 제안한 논문입니다. 아래는 위 논문의 요약 및 설명입니다. Abstract갑작스러운 변화 지점을 정상 행동과 함께 탐지하고 이를 통해 비정상 행동, 즉 이상치를 구별하는 것은 오탐률을 최소화하고 예측 및 예보를 위한 정확한 기계 학습 모델을 구축하는 데 중요한 단계입니다. 이 논문은 IoT 센서에서 수집된 수자원 데이터에 초점을 맞추어, 변화 지점 검출을 통한 시계열 데이터의 이상 탐지를 향상시키는 새로운 자동화된 지능형 규칙 기반 의사 결정 지원 시스템을 .. 2024. 8. 2. 이전 1 다음
