Techniken für ein angemessenes Erkennen von Anomalien umfassen Erzeugen eines Modells zum Erkennen von Anomalien auf der Grundlage einer Gauß-Verteilung historischer Daten, eines Mittelwertvektors der Gauß-Verteilung und einer Präzisionsmatrix der Gauß-Verteilung. Der Mittelwertvektor und die Präzisionsmatrix können durch Reduzieren einer Funktion unter einen Schwellenwert erzeugt werden, wobei die Funktion die Gauß-Verteilung umfassen kann sowie einen ersten Regularisierungsbegriff, der so konfiguriert ist, dass er ähnliche Anomaliebewertungen für Eingaben mit ähnlichen angemessenen Merkmalen und unabhängig von unangemessenen Merkmalen erzeugt, und einen zweiten Regularisierungsbegriff, der so konfiguriert ist, dass er ähnliche Anomalielokalisierungs-Bewertungen für die Eingaben mit den ähnlichen angemessenen Merkmalen und unabhängig von den unangemessenen Merkmalen erzeugt. Die Techniken umfassen ferner Eingeben von neuen Daten in das Modell zum Erkennen von Anomalien und Erzeugen einer Anomaliebewertung und einer Anomalielokalisierungs-Bewertung, die den neuen Daten zugehörig sind, die auf der Gauß-Verteilung, dem Mittelwertvektor und der Präzisionsmatrix beruhen.
Described are techniques for fair anomaly detection. The techniques include generating an anomaly detection model based on a Gaussian distribution of historical data, a mean vector of the Gaussian distribution, and a precision matrix of the Gaussian distribution. The mean vector and the precision matrix can be generated by reducing a function below a threshold, where the function can include the Gaussian distribution, a first regularization term configured to generate similar anomaly scores for inputs with similar fair features and independent of unfair features, and a second regularization term configured to generate similar anomaly localization scores for the inputs with the similar fair features and independent of the unfair features. The techniques further include inputting a new data to the anomaly detection model and generating an anomaly score and an anomaly localization score associated with the new data based on the Gaussian distribution, the mean vector, and the precision matrix.
ANGEMESSENES ERKENNEN UND LOKALISIEREN VON ANOMALIEN
2023-05-17
Patent
Electronic Resource
German
VERFAHREN UND SYSTEME ZUM ERKENNEN UND LOKALISIEREN VON STRASSENGEFAHREN
European Patent Office | 2019
|Vorrichtung zum Erkennen von Anomalien in der Personenbeförderungsanlage
European Patent Office | 2021
|