通过一组连续数据中的模式匹配来发现异常检测

Question

我有一系列传感器（大约4k），每个传感器将测量每个点的振幅。假设我用足够的4k值集（N * 4k形状）训练神经网络。机器将在一系列值中找到一个模式，如果这些值偏离模式（即异常），它可以检测到该点并能够说出异常是在第X个传感器中。如果是这样，我应该使用哪种神经网络？

Answer 1

由于有时间序列输入，因此可以使用RNN，LSTM，GRU之类的顺序模型。并在最后使用softmax图层，该图层可以输出（正常/异常）。 您可以使用相同的模型（权重）4k次来查找哪个传感器有故障。 或者可以使用多维softmax（异常1 / normal1 ... fault4k / normal4k）训练相同的顺序网络

但是当数据不平衡（异常现象很少见）时，这样的网络将无法正常工作。

您也可以尝试使用RPCA进行异常检测。