DETECÇÃO DE ANOMALIA COM BASE EM REDE NEURAL ESPARSA EM SÉRIES CRONOLÓGICAS MULTIDIMENSIONAIS, MÉTODO IMPLEMENTADO POR PROCESSADOR, SISTEMA E UMA OU MAIS MÍDIAS DE ARMAZENAMENTO DE INFORMAÇÃO LEGÍVEL POR MÁQUINA NÃO TRANSITÓRIAS

IPC Classification

Priority claims

Abstract

DETECÇÃO DE ANOMALIA COM BASE EM REDE NEURALESPARSA EM SÉRIES CRONOLÓGICAS MULTIDIMENSIONAIS. Trata-se da detecção de anomalia a partir de séries cronológicas que é um dos componentes-chave em monitoramento automatizado de uma ou mais entidades. A seleção de sensor acionado por domínio para detecção de anomalia é restringida por conhecimento de sensores importantes para constatar apenas um determinado conjunto de anomalias do conjunto completo de anomalias possíveis. Consequentemente, abordagens de detecção de anomalia existentes não são muito eficazes para séries cronológicas multidimensionais. As modalidades da presente revelação representam rede neural esparsa para detecção de anomalia em séries cronológicas multidimensionais (MDTS) que correspondem a uma pluralidade de parâmetros de entidades. Uma série cronológica dimensional reduzida é obtida a partir das MDTS através de pelo menos uma camada de avanço usando-se a modelo de redução de dimensionalidade. O modelo de redução de dimensionalidade e modelo de codificador-decodificador de rede neural recorrente (RNN) são simultaneamente instruídos para obter uma rede neural esparsa de múltiplas camadas. Uma pluralidade de vetores de erro que correspondem a pelo menos um momento no tempo do MDTS é computada para obter uma classificação de anomalia.