ReNom -LSTMによる時系列データの異常検知-

ReNom URL↓
https://www.renom.jp/ja/notebooks/tutorial/time_series/lstm-anomalydetection/notebook.html

シミュレーションに用いたデータは、
UCR(University of California, Riverside)のEamonn Keoghの論文
HOT SAX: Efficiently Finding the Most Unusual Time Series Subsequence. In The Fifth IEEE International Conference on Data Mining.
で使われているデータ。
この論文ではSAX(Symbolic Aggregate approXimation)とよばれる、time series discordsを検出する手法を提案している。

※ 論文Fig１の心電図データの正常な部分をLSTM学習に用いている

データ１（論文Fig1)

データ1-1　（心電図の𝑉1誘導シグナル？）

学習

100個の時系列データから、次の1個の観測値を予測している。下図は学習に使った部分のデータ。

学習曲線

検出結果

検出できたが、一部、正常な部分も異常として検出されている。

データ1-2　（心電図のⅡ誘導シグナル？）

学習

time 5000〜9000を学習させた。
下図は学習に使った部分のデータ。

学習曲線

検出結果

検出できた。

データ2（論文Fig12)

学習

上図におけるtime 4600〜9600を学習させた。
下図は学習に使った部分のデータ。

学習曲線

検出結果

1st Discord、2nd Discordは検出できている。3rdはどうなんだろう...

データ3（論文Fig13)

学習

上図におけるtime 0〜1000を学習させた。
下図は学習に使った部分のデータ。

学習曲線

検出結果

検出できた。