| Περίληψη: | Σε πολλούς τομείς της επιστήμης, η ανίχνευση σπάνια εμφανιζόμενων περιπτώσεων αποτελεί ένα σημαντικό πρόβλημα και η επίλυση του, πέρα από ερευνητικό ενδιαφέρον, έχει τεράστιο πρακτικό αντίκτυπο. Από την εφαρμογή συστημάτων ανίχνευσης ανωμαλιών σε επιχειρήσεις για την άμεση ανταπόκριση σε βλάβες συσκευών με αποτέλεσμα την ελαχιστοποίηση της ζημειάς, μέχρι την χρήση τέτοιων στην Ιατρική για την αναγνώριση πιθανών ασθενειών, είναι προφανές ότι η δημιουργία τέτοιων συστημάτων αποτελεί ουσιώδη και ωφέλιμη για τον καθένα. Αρχικά στα πλάισια της εργασίας, παρουσιάζονται βασικές έννοιες και μέθοδοι επίλυσης του προβλήματος από τους τομείς της μηχανικής μάθησης και της βαθέας μηχανικής μάθησης. Στην συνέχεια, παρουσιάζεται η προσέγγιση αυτής της εργασίας για την επίλυση του προβλήματος, η οποία είναι η χρήση βαθέων νευρωνικών δικτύων για την πρόβλεψη χρονοσειρών και η εεφαρμογή του κατωφλιού για την ανίχνευση ανωμαλιών. Εξετάζεται η σχέση της πρόβλεψης χρονοσειρών με την ανίχνευση ανωμαλιών καθώς και η επιλογή ενός αποτελεσματικού κατωφλιού. Είναι σημαντικό να αναφερθέι ότι δεν υπάρχει μεθοδολογία για την εύρεση της βέλτιστης τιμής του κατωφλίου. Επίσης, υλοποιήθηκαν δύο μοντέλα για την ανίχνευση ανωμαλιών πάνω σε δεδομένα από μετρήσεις της άεργης και φαινομένης ισχύς ενός ορόφου χωρίς ετικέτες. Για την επιλογή των καλύτερων μοντέλων χρησιμοποιήθηκαν δεδομένα χωρίς ανωμαλίες στα οποία εισήχθηκαν τεχνητές ανωμαλίες και για την εκτίμηση της απόδοσης τους τα αποτελέσματα τους σε πραγματικά δεδομένα συγκρίθηκαν με αποτελέσματα από μοντέλα της Yodiwo. Τα μοντέλα της Yodiwo εκπαιδεύτηκαν στα ίδια δεδομένα όπου εκπαιδεύτηκαν και τα μοντέλα της εργασίας. Τέλος, τα αποτελέσματα έδειξαν ότι τα μοντέλα πρόβλεψης χρονοσειρών τα οποία προσπαθούν να προβλέψουν την ακριβή τιμή είναι λιγότερο αποτελεσματικά στην ανίχνευση ανωμαλιών καθώς σε διαστήματα ανώμαλων τιμών προσπαθούν να προβλέψουν τις ακριβείς τιμές των ανωμαλιών, ενώ μοντέλα τα οποία προσπαθούν να προβλέψουν την τάση και την περιοδικότητα της χρονοσειράς αντί για τις ακριβείς τιμές της έχουν καλύτερα αποτελέσματα στην ανίχνευση ανωμαλιών.
|
|---|
