A proposito di questo "", cioè al rilevamento di anomalie delle serie temporali, molte persone che sono impegnate in questo settore vogliono studiare duramente. In poche parole, questa serie di anomalie delle serie temporali è trovare situazioni anormali e anormali nei dati che cambia nel tempo.
Questa cosa è molto più utile nell'operazione reale. Indipendentemente dal monitoraggio della rete, dal controllo del rischio finanziario o dalla produzione industriale, è utile un insieme completo di ispezioni anormali. Dai un esempio: nel campo del monitoraggio della rete, rilevando il traffico temporale del sistema, una volta trovati alcuni insoliti cambiamenti improvvisi, è possibile reagire rapidamente e sapere che potrebbero essere condizioni eccessivamente difficili come gli attacchi di rete.
Successivamente, ti parlerò della chiave e importante piccoli settori in quest'area. Innanzitutto, raccogliere alcuni metodi di funzionalità specifici e utilizzare funzionalità basate su statistiche, come la media e la deviazione standard. Ad esempio, se un determinato indicatore o dati statistici oscillano notevolmente in un certo periodo di tempo, è ovviamente diverso dal gamma normale, hehe, allora puoi prestare attenzione per vedere se ci sono cambiamenti anormali.
Successivamente, cosa dovrei fare? È estremamente importante scegliere alcuni schemi di utilizzo di rilevamento anormali. Probabilmente ci sono metodi basati sulla misurazione della distanza qui, come la distanza in stile europeo. Un altro punto è che molte persone sono disposte a favorire metodi più basati su modelli, come quei modelli di apprendimento profondo più complessi, come gli autoencoder. Diverse modalità hanno diverse funzionalità di elaborazione dei dati per le serie temporali. Quando si sceglie, è necessario considerare attentamente alcune delle caratteristiche effettive dei dati.
Pensiamo al terzo punto. Quando classifichiamo i tipi di anomalie, li incontriamo spesso. Ad esempio, se vedi una serie temporale globale con un tipo globale produce improvvisamente una caratteristica completamente diversa dell'eccezione in un punto speciale di tutte le altre volte in passato. Come si chiama l'eccezione globale? Relativamente, alcuni punti mostrano solo diversi cambiamenti dall'area circostante durante il periodo di tempo locale. Solo distinguendo la natura specifica di questi tempi anormali possiamo formulare meglio piani e contromisure.
Non stiamo spiegando questo contenuto invano! Ascoltiamo le domande e rispondiamo per imparare alcuni punti di conoscenza: puoi chiedere: come scegliere il rivelatore giusto? Vorrei rispondere che questo si basa sulle nostre caratteristiche di dati specifiche e sul giudizio e sull'analisi dello scenario dell'applicazione. Inoltre, in realtà utilizziamo i due metodi per combinarli sempre più fortemente, il che è meglio di una singola e semplice analisi del giudizio a scenario singolo.
Puoi anche chiedere se si verifica questa situazione: è sicuramente meglio utilizzare metodi basati su modelli che semplici metodi? Questo non è il caso. Sebbene tutti pensino che il modello appaia più avanzato e potente, ma se il metodo viene utilizzato in modo errato e gli errori di regolazione dei parametri non sono gestiti bene durante l'operazione, l'effetto non è buono come la prima volta per utilizzare i semplici metodi comuni!
Negli scenari di produzione industriale, questo controllo di anomalia è molto ampiamente utilizzato: molte volte, come le attrezzature della linea di produzione, eseguendo operazioni correlate in base a un certo ritmo e piano … una volta che l'attrezzatura la capacità di produzione aumenta improvvisamente o improvvisamente riduce la produzione durante il processo di produzione, è molto probabile che si verifichino anomalie correlate!
Ho alcune idee da dire: più entriamo nella ricerca sulle anomalie delle serie temporali, più diventerà importante. In futuro, troveremo situazioni insolite nei dati sempre più complessi ed enormi. Per noi, possiamo individuare accuratamente e rapidamente situazioni anormali, in particolare facendo affidamento sulle capacità di controllo anomalia del tempo pertinenti. Se non lo facciamo bene, sarà problematico … In futuro, speriamo di avere metodi più potenti per apportare aggiornamenti diversi al campo dell'applicazione di ingegneria effettiva per crearli. In futuro, esamineremo i progressi dello sviluppo e non vediamo l'ora di vedere se ci sono modi migliori per cambiare l'aspetto generale.
Lascia un commento