Ein Vorrichtungssteuersystem umfasst eine Steuerung. Die Steuerung kann eingerichtet sein, um einen Datensatz von N Abtastwerten zu empfangen, der normale und ungekennzeichnete, nicht identifizierte, anomale Datenabtastungen umfasst, den Datensatz über ein Modell zu verarbeiten, um eine Anomaliebewertung zu erzeugen, die jedem Abtastwert in dem Datensatz zugeordnet ist, die normalen und anomalen Datenabtastungen gemäß der Anomaliebewertung zu ordnen, die jeder Datenabtastung zugeordnet ist, um eine Rangfolge zu erzeugen, einen Anteil α der N Abtastwerte, die die höchsten Bewertungen aufweisen, mit einer Anomalie-Kennzeichnung und die verbleibenden Abtastwerte mit einem Normal-Kennzeichnung zu kennzeichnen, das Modell unter Verwendung aller N Abtastwerte, der Kennzeichnungen und einer gemeinsamen Verlustfunktion neu zu trainieren, die Prozess-, Rangfolge-, Kennzeichnungs- und Neutrainingsschritte zu wiederholen, bis sich die Rangfolge und die Kennzeichnungen für alle der N Abtastwerte nicht mehr ändern, und das Vorrichtungssteuersystem auf der Grundlage des trainierten Modells zu betreiben.

    A device control system includes a controller. The controller may be configured to, receive a data set of N samples that includes normal and unlabeled unidentified anomalous data samples, process, via a model, the data set to produce an anomaly score associated with each sample in the data set, rank the normal and anomalous data samples according to the anomaly score associated with each data sample to produce a ranked order, label a fraction α of the N samples that have the highest scores with an anomaly label and the remaining samples with a normal label, retrain the model using all N samples, the labels, and a joint loss function, repeat the process, rank, label, and retrain steps until the ranked order and labels for all of the N samples do not change, and operate the device control system based on the trained model.


    Zugriff

    Download


    Exportieren, teilen und zitieren



    Titel :

    LATENT OUTLIER EXPOSURE ZUR ANOMALIEERKENNUNG


    Beteiligte:
    RUDOLPH MAJA (Autor:in) / QIU CHEN (Autor:in)

    Erscheinungsdatum :

    2023-08-17


    Medientyp :

    Patent


    Format :

    Elektronische Ressource


    Sprache :

    Deutsch


    Klassifikation :

    IPC:    G06N COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS , Rechnersysteme, basierend auf spezifischen Rechenmodellen / B60W CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION , Gemeinsame Steuerung oder Regelung von Fahrzeug-Unteraggregaten verschiedenen Typs oder verschiedener Funktion



    ANOMALIEERKENNUNG IN MEHRDIMENSIONALEN SENSORDATEN

    PANDEY GAURAV / BUSS BRIAN GEORGE / FILEV DIMITAR PETROV | Europäisches Patentamt | 2022

    Freier Zugriff

    FAHRZEUGBEZOGENE ANOMALIEERKENNUNG, -MELDUNG UND DYNAMISCHE REAKTION DARAUF

    KRISTINSSON JOHANNES GEI / TSENG FLING / VERMA HIMANSHU | Europäisches Patentamt | 2022

    Freier Zugriff

    ANOMALIEERKENNUNG IM INNENRAUM EINES AUTONOMEN FAHRZEUGS

    JALES COSTA BRUNO SIELLY / DEILAMSALEHY HANIEH / GERARDO CASTRO MARCOS PAU et al. | Europäisches Patentamt | 2020

    Freier Zugriff

    Anomalieerkennung in Straßenverkehrsdaten einer urbanen Kreuzung

    Schicktanz, Clemens | Deutsches Zentrum für Luft- und Raumfahrt (DLR) | 2020

    Freier Zugriff

    Modellierung des Normalverhaltens von kontinuierlichen Signalen einer Industrieanlage zur Anomalieerkennung und Wartungsplanung

    Kroll, B. / Niggemann, O. / VDI/VDE-Gesellschaft Mess- und Automatisierungstechnik et al. | British Library Conference Proceedings | 2014