【時系列データ】深層距離学習で異常検知 - Qiita

以前に、【まとめ】ディープラーニングを使った異常検知の記事を 書きましたが、主に「画像」を対象とした内容でした。 今回は、その記事で有効だった深層距離学習を「時系列データ」に 適用して異常検知を行います。 画像データとの違い 画像の場合は、比較的有利な条件で学習が可能でした。 一方、時系列データの場合は、以下の制限があります。 転移学習が使えない 画像では学習済モデルが公開されているため、転移学習が使えましたが、 時系列データの学習済モデルは一般的に公開されていないため、転移学習が使えません。 参照データがない metric learningを使う場合、正常データと共に全然関係ない参照データ （正常データと見比べるデータ）が必要でした。ところが、時系列データの 場合、参照データが存在しない可能性が高いです。 以上の制約から、時系列データは自作のモデル+正常データのみで学習させる 必要があり

[sh19910711]

"metric learning: 正常データと共に全然関係ない参照データが必要 / 時系列データ: 参照データが存在しない可能性 / 自己教師あり学習: 計算量が重い + 「画像」でも「時系列データ」でも処理してしまう「万能な検知器」"