이 연구에서는 온라인 기계 학습 기반 이상 탐지 기법(OML-AD)을 제안한다. OML-AD는 시계열 데이터의 정상 동작을 온라인 SARIMA 모델로 학습하고, 예측 오차를 이용하여 이상치를 탐지한다.
실험 결과, OML-AD는 개념 drift가 있는 시계열 데이터에서 기존 배치 학습 모델인 SARIMA와 Prophet 대비 더 나은 예측 정확도와 이상 탐지 성능을 보였다. 또한 OML-AD는 CPU 및 메모리 사용량이 적어 더 효율적이었다.
OML-AD의 핵심 특징은 다음과 같다:
이러한 장점으로 OML-AD는 실시간 모니터링 및 고장 탐지 등의 산업 현장에서 유용하게 활용될 수 있다.
Til et annet språk
fra kildeinnhold
arxiv.org
Viktige innsikter hentet fra
by Sebastian We... klokken arxiv.org 09-17-2024
https://arxiv.org/pdf/2409.09742.pdfDypere Spørsmål