使用机器学习识别斜率的变化

Question

我想通过一些机器学习弄脏手，我终于遇到了一个好像是一个很好的初学者项目的问题。然而，尽管阅读了很多关于这个主题的内容，但我不确定如何开始，以及我的基本方法应该是什么。

I have a dataset which should look like this

真正的数据集看起来更像是这样：

我想识别红色圆圈中的点（在第一个图像上），并且能够抵抗偶尔出现的像蓝色圆圈那样的伪像。

我听起来真的很容易。但是，原始数据中存在相当多的噪音。我目前的实施非常传统。它使数据模糊，并将一阶和二阶导数与一些估计的阈值进行比较。这种方法有效，但可以“仅”识别精度达到99.7％的点，但由于我每天做大约100.000次测量，我很乐意增加这个数字。

所以，这就是我所拥有的：

1. 我想要/需要的所有数据集
2. 一个非常好的模型，说明数据的外观。
3. 一个非常好的训练集，使用我现有的算法（轮廓可以手动修复）

然而，我没有基本的想法我应该采用什么方法。我觉得我所读过的关于机器学习的材料都不适合这个问题。

有人可以用超高级方法帮助我解决这个问题吗？