BUILDING AN ENSEMBLE OF ANOMALY DETECTION MODELS FOR ANALYZING MEASUREMENT RESULTS

A computer implemented method of building an ensemble of anomaly detection models for analyzing measurement results of a target system. The method is performed by obtaining (301) a plurality of measurement result samples comprising a plurality of variables of the target system; processing (302) the...

Full description

Saved in:
Bibliographic Details
Main Authors HEIKKILÄ, Rasmus, LISKI, Antti
Format Patent
LanguageEnglish
French
Published 05.05.2022
Subjects
Online AccessGet full text

Cover

Loading…
More Information
Summary:A computer implemented method of building an ensemble of anomaly detection models for analyzing measurement results of a target system. The method is performed by obtaining (301) a plurality of measurement result samples comprising a plurality of variables of the target system; processing (302) the plurality of measurement result samples with a plurality of anomaly detection models to obtain a plurality of anomaly scores for each measurement result sample; determining (303) disagreement scores for the measurement result samples based on the respective plurality of anomaly scores; and selecting (304) measurement result samples with a disagreement score that fulfils predefined criteria for evaluation by an expert to obtain confirmed labels for building (305) the ensemble of anomaly detection models. Procédé implémenté par ordinateur de construction d'un ensemble de modèles de détection d'anomalie en vue de l'analyse de résultats de mesure d'un système cible. Le procédé est mis en œuvre par obtention (301) d'une pluralité d'échantillons de résultats de mesure comprenant une pluralité de variables du système cible; traitement (302) de la pluralité d'échantillons de résultats de mesure à l'aide d'une pluralité de modèles de détection d'anomalie de manière à obtenir une pluralité de scores d'anomalie pour chaque échantillon de résultats de mesure; détermination (303) de scores de divergence pour les échantillons de résultats de mesure sur la base de la pluralité respective de scores d'anomalie; et sélection (304) d'échantillons de résultats de mesure présentant un score de divergence qui répond à des critères prédéfinis pour une évaluation par un expert de manière à obtenir des étiquettes confirmées en vue de la construction (305) l'ensemble de modèles de détection d'anomalie.
Bibliography:Application Number: WO2021FI50679