تحديد عتبة التصنيف المثلى ديناميكياً في أنظمة الكشف المبكر عن الشذوذ القائمة على التعلم العميق

الملخص

لازال اكتشاف الشذوذ محط اهتمام الكثير من الباحثين لما له من دور في حل مشكلات العالم الحقيقية مثل الكشف عن الحالات غير الطبيعية ومنها عيوب الأنظمة الصناعية واكتشاف الاحتيال.. الخ.

 يهدف البحث إلى بناء نظام عام للكشف المبكر عن حالات الشذوذ، يمكن استخدامه للتقليل من من الخسائر الكبيرة الناجمة عن وجود خلل في بيانات النظام.

أهم المشاكل التي تواجه أنظمة كشف الشذوذ الحالية هي عدم قدرتها على 1) استخراج الميزات من بيانات متعددة عالية الأبعاد، 2) تحديد عَتَبة التصنيف الأمثل بشكل ديناميكي.    

اِعتَمَدَ البحث لحل المشاكل السابقة على شبكة الترميز الآلي ذات الذاكرة طويلة المدى (LSTM-Autoencoder) لاستخراج الميزات الأكثر أهمية، والتقاط التبعيات الزمنية لتسلسل الشذوذ ضمن سلاسل البيانات. بالإضافة لنظرية تشيبيشيف (Chebyshev) لتحديد العَتَبة الأمثل ديناميكياً.

طُبِّق النظام المُقْترَح على مشكلة كسر الورق في معامل صناعة الورق، حيث اِستَطاعَ اكتشاف 53% من الحالات الشاذة قبل حدوثها بأربعة دقائق، وبنسبة إنذارات كاذبة لم تتجاوز 9%، والحد من تكاليف الخسارة بنسبة 54%. مما يؤكد قدرة النظام المُقْترَح على التكيف مع المسألة المطروحة في اكتشاف الشذوذ والتقليل من أثاره.