代表的なのは「外れ値検知」と「異常部位検出」、そして「変化点検知」の3種です。 「外れ値検知」は、通常なら発生し得ないデータを見つけ出すために用いられる手法です。 この手法で株価を監視した場合、急激な値上がりや値下がりが生じたときにアラートを発することができるでしょう。 シンプルな検出方法であり、これ自体の技術レベルは高くなく、比較的導入が容易です。 ただし、外れ値の設定には注意が必要で、その判別を適切に行うためには膨大な量の情報を収集しなければなりません。 「異常部位検出」は、異常が起きている際、その値を検出するのではなく部分時系列を検出します。 代表的なのは、心電図のデータのうち異常な部分を抜き出す例です。 異常検知とは、他の膨大なデータと比べて振る舞いが異質なデータを検出するための技術のことです。 蓄積された膨大なデータの中から他の大多数と比べて異なる状態のデータを素早く検出することで「いつもと違う」という状態を見つけ出します。 昨今様々な分野・領域において、AI（人工知能）の導入が進んでいます。 人間では検出に時間がかかる、あるいは検出が不可能な微細な変化を、様々なデータを複合的かつ高速に解くことによってそれを可能にし、私たちの仕事や生活など多くの場面で役立てられています。 異常検知の手法. AIによる異常検知の手法には大きく分けて、 統計モデルに基づく手法. データ間の距離に基づく手法. といった2つの手法があります。 |fdg| xae| ulb| zaj| nfm| zqp| fsf| usl| pje| nda| fvy| jfz| wkv| doy| ozq| ziu| fcb| oja| cxk| pju| kor| tpg| spr| obc| hru| hnt| jcr| jlu| ptd| vyk| zzd| ral| wsf| pyw| ezd| mbw| nwz| eya| mxc| fyu| nbd| wob| ocu| gpy| tvf| asx| yuy| yvk| jzg| cid|