用于异常检测的潜在离群暴露制造技术

提供了用于异常检测的潜在离群暴露。一种设备控制系统包括控制器。该控制器可以被配置为接收包括正常和未标记的未标识异常数据样本的N个样本的数据集，经由模型处理该数据集以产生与数据集中的每个样本相关联的异常评分，根据与每个数据样本相关联的异常评分对正常和异常数据样本进行排序以产生排序顺序，用异常标签标记N个样本中具有最高评分的一部分α并且用正常标签标记其余样本，使用所有N个样本、标签和联合损失函数来重新训练模型，重复处理、排序、标记和重新训练步骤，直到所有N个样本的排序顺序和标签不改变，并且基于经训练的模型操作设备控制系统。练的模型操作设备控制系统。练的模型操作设备控制系统。

【技术实现步骤摘要】
用于异常检测的潜在离群暴露


[0001]本公开总体上涉及机器学习系统中的异常区域检测。更具体地，本申请涉及经由机器学习系统的异常区域检测的改进，该机器学习系统经由正常和异常数据的组合使用潜在离群暴露来训练。

技术介绍

[0002]在数据分析中，异常检测(也称为离群检测)是对因与大多数数据有显著差异而引起怀疑的特定数据、事件或观察的标识。通常，异常项目将转化为某种问题，诸如结构缺陷、故障操作、有故障、医学问题或错误。

技术实现思路

[0003]一种训练控制系统的方法包括接收包括正常和未标记的未标识异常数据样本的N个样本的数据集；经由模型处理数据集以产生与数据集中的每个样本相关联的异常评分；根据与每个数据样本相关联的异常评分对正常和异常数据样本进行排序以产生排序顺序；用异常标签标记N个样本中具有最高评分的一部分α并且用正常标签标记其余样本；使用所有N个样本、标签和联合损失函数来重新训练模型；重复处理、排序、标记和重新训练步骤，直到所有N个样本的排序顺序和标签不改变；以及输出经训练的模型。
[0004]一种设备控制系统包括控制本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种训练控制系统的方法，包括：接收包括正常和未标记的未标识异常数据样本的N个样本的数据集；经由模型处理数据集以产生与数据集中的每个样本相关联的异常评分；根据与每个数据样本相关联的异常评分对正常和异常数据样本进行排序，以产生排序顺序；用异常标签标记N个样本中具有最高评分的一部分α并且用正常标签标记其余样本；使用所有N个样本、标签和联合损失函数来重新训练模型；重复处理、排序、标记和重新训练步骤，直到所有N个样本的排序顺序和标签不改变；以及输出经训练的模型。2.根据权利要求1所述的方法，其中，所述联合损失函数由表达。3.根据权利要求2所述的方法，其中针对正常标签y
i
＝0，并且针对异常标签y
i
＝1。4.根据权利要求2所述的方法，其中针对正常标签y
i
＝0，并且针对异常标签y
i
＝0.5。5.根据权利要求2所述的方法，其中所述异常评分由表达。6.根据权利要求1所述的方法，其中所述数据集是从传感器接收的时间序列数据，所述传感器是光学传感器、汽车传感器或声学传感器。7.根据权利要求6所述的方法，进一步包括基于经训练的模型控制载具，其中操作期间的异常评分由表达。8.根据权利要求7所述的方法，其中所述部分α基于传感器和被感测的参数以及未标记的异常数据样本。9.一种设备控制系统，包括：控制器，被配置为，接收包括正常和未标记的未标识异常数据样本的N个样本的数据集；经由模型处理数据集以产生与数据集中的每个样本相关联的异常评分；根据与每个数据样本相关联的异常评分对正常和异常数据样本进行排序，以产生排序顺序；用异常标签标记N个样本中具有最高评分的一部分α并且用正常标签标记其余样本；使用所有N个样本、标签和联合损失函数来重新训练模型；重复处理、排序、标记和重新训练步骤，直到所有N个样本的排序顺序和标签不改变；以及基于经训练的模型操作所述设备控制系统。10.根据权利要求9所述的设备控制系...

【专利技术属性】
技术研发人员：M，
申请(专利权)人：罗伯特，
类型：发明
国别省市：