[이상치 탐지] 논문리뷰 -(요약) A Deep Neural Network for Unsupervised Anomaly Detection and Diagnosis in Multivariate Time Series Data

A Deep Neural Network for Unsupervised Anomaly Detection and Diagnosis in Multivariate Time Series Data

 

본 포스팅은 비지도학습이며 이상치 탐색, 시계열이라는 세가지 키워드를 가진 논문이다. 앞으로 진행할 이상치 탐색에 있어서 필요한 논문이며 AAAI-19에서 발행된 논문이다. 

Summary

데이터 셋

Synthetic dataset , power plant dataset : Unsupervised학습 시,

normal data 이용 및 검증으로는 이상치를 넣는다.

Reconstruction을 이용하고 Forecasting을 이용하지 않는다.

Input : time windows : 3개 ( short(10), medium(30), long(60) duration anomaly detection)

Output : reconstruction input (T, n, n, s)

Precision,Recall,F1-score을 통해 비교하였다.

MSCRED Framework

(a) 특정 기간의 데이터에서 inter sensor correlations을 나타내는 'signature matrices'를 구축 후, convolutional neural networks로 이를 인코딩한다.

(b) Attention-based ConvLSTM을 활용하여 인코딩된 맵의 패턴을 모델링한다.

(C) Deconvolutional neural networks를 활용하여 추출된 패턴을 기반으로 'signature matrices'를 디코딩한다.

(d) Residual signature matrices를 기반으로 도출한 loss로 모델을 학습하며 이를 이용하여 anomaly detection를 수행한다.

convolution encoder

Charafcterizing Status with Signature Matrices

https://velog.io/@mhkim9714/AAAI-19-A-Deep-Neural-network-for-Unsupervised-Anomaly-Detection-and-Diagnosis-in-Multivariate-Time-Series-Data

 

 

 

참고

https://www.youtube.com/watch?v=NJASxGwvQXg

https://velog.io/@mhkim9714/AAAI-19-A-Deep-Neural-network-for-Unsupervised-Anomaly-Detection-and-Diagnosis-in-Multivariate-Time-Series-Data

[AAAI '19] A Deep Neural network for Unsupervised Anomaly Detection and Diagnosis in Multivariate Time Series Data

https://stopspoon.tistory.com/38

MSCRED