Erfahren Sie, wie Sie mithilfe von MATLAB Ereignisse oder Muster in Daten identifizieren können, die vom erwarteten Verhalten abweichen.
Dieser Leitfaden bietet einen Überblick über Ansätze zur Entwicklung von Anomalieerkennungsalgorithmen für technische Anwendungen. Er behandelt die Charakterisierung von Normalverhalten, die Analyse und Vorverarbeitung von Daten, die für die Anomalieerkennung geeignet sind, die Auswahl geeigneter KI- und statistischer Erkennungstechniken sowie den Einsatz von Algorithmen im Betrieb.
Wir werden Folgendes vertiefen:
- Punktuelle, kontextuelle und kollektive Anomalien in technischen Daten
- Statistische, Machine Learning- und Deep-Learning-basierte Methoden zur Anomalieerkennung
- Arbeiten mit Datensätzen, die das normale Betriebsverhalten und wenige gekennzeichnete Anomalien darstellen
- Designüberlegungen für den Einsatz
