JP2018205994A - 時系列データ分析装置、時系列データ分析方法およびコンピュータプログラム - Google Patents
時系列データ分析装置、時系列データ分析方法およびコンピュータプログラム Download PDFInfo
- Publication number
- JP2018205994A JP2018205994A JP2017109553A JP2017109553A JP2018205994A JP 2018205994 A JP2018205994 A JP 2018205994A JP 2017109553 A JP2017109553 A JP 2017109553A JP 2017109553 A JP2017109553 A JP 2017109553A JP 2018205994 A JP2018205994 A JP 2018205994A
- Authority
- JP
- Japan
- Prior art keywords
- feature
- series data
- time series
- waveform
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Medical Informatics (AREA)
- Probability & Statistics with Applications (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
(第1実施形態)
図1は、本発明の実施形態に係る時系列データ分析装置を表すブロック図である。
学習用データ記憶部1は、複数の分析対象装置から取得した学習用の時系列データを記憶する。学習用の時系列データは、教師無し時系列データである。つまり、時系列データは、正常状態にある分析対象装置から取得された時系列データ(正常時系列データ)である。学習用の時系列データには、正常または異常のラベルが付けられていない。本実施形態において、時系列データは、単一変数の時系列データを想定する。時系列データは、一例として、分析対象装置に設置されたセンサの検出値に基づく時系列データである。時系列データは、センサの検出値そのものでもよいし、検出値の統計値(平均、最大、最小、標準偏差など)でもよいし、複数のセンサの検出値の演算値(例えば電流と電圧とを乗算した電力)でもよい。以下の説明で、時系列データの集合をT、時系列データの個数をIとする。また、各時系列データの長さをQとする。すなわち、各時系列データは、Q個の点からなるデータである。
まず、ステップS101では、オフセットjを0にする。そして、各時系列データiに対して、時系列データiのオフセット0から長さLの区間の部分時系列との距離Dが最も近い特徴波形を、K個の特徴波形の中から1つ選択する。選択した特徴波形を、特徴波形kとする。この動作により、各時系列データiに対して、(i,k,0)の組が計算される。計算した(i,k,0)と、このとき得られた距離Dの値とを、フィッティング結果記憶部3に格納する。
Niは、時系列データiに対して取得された複数のオフセットjの個数から1を引いた値である。
・Xiは、時系列データiに対する特徴ベクトルである。
・λ1とλ2とは、ハイパーパラメータであり、予め値が与えられる。
・l(W;φ(Xi))は、ヒンジロス関数である。損失関数として、ヒンジロス関数以外の関数を利用してもよい。
・〈X,Y〉は、XとYの内積を表し、有限次元でも、無限次元でも良い。
・φは、特徴空間上における写像を表す。
[線形の場合]
劣微分を用いて、以下のように計算できる。
ガウシアンカーネルを想定して、カーネルトリックを用いて以下のように計算できる。
ステップS11において、特徴波形選択部2は、学習用データ記憶部1から時系列データiを読み出す。特徴波形選択部2は、長さLのK個の特徴波形を用いて、時系列データiに最もフィットするオフセットと特徴波形との組の集合を生成する。具体的には、図4のフローチャートの動作を行う。
テストフェーズでは、パラメータ記憶部7と、テスト用データ記憶部8と、特徴波形選択部2と、フィッティング結果記憶部3と、特徴ベクトル算出部4と、異常検知部9と、異常同定部10と、出力情報記憶部11とを用いる。
第1の実施形態では、学習フェーズにおいて、時系列データの全範囲に対して、共通の複数の特徴波形を用いたが、第2の実施形態では、時系列データに複数の範囲(マッチング範囲と呼ぶ)を設定し、マッチング範囲ごとに、複数の特徴波形を用意する。マッチング範囲の設定では、時系列データにマッチング範囲が設定されていない箇所が存在しても良い。複数のマッチング範囲の一部が互いに重複してもよい。学習フェーズでは、各マッチング範囲に対して用意された複数の特徴波形を使用する。マッチング範囲の設定、および複数の特徴波形の指定は、ユーザインタフェースを介して入力される指示に基づいて、特徴波形選択部2または別の処理部(特徴波形選択部2の前段に設ける前処理部など)が行えばよい。
第1および第2の実施形態では、1つの変数からなる時系列データを想定したが、第3の実施形態では、複数の変数からなる多変数時系列データを対象とする。
第4の実施形態では、時系列データ分析装置が、通信ネットワークを介して、分析対象装置に接続された時系列データ分析システムの実施形態を示す。
2:特徴波形選択部
3:フィッティング結果記憶部
4:特徴ベクトル算出部
5:更新部
6:更新終了判定部
7:パラメータ記憶部
8:テスト用データ記憶部
9:異常検知部
10:異常同定部
11:出力情報記憶部
Claims (14)
- 複数の時系列データに設定された複数の区間の部分時系列と、複数の特徴波形との距離とに基づいて、前記複数の特徴波形の特徴量を算出する特徴ベクトル算出部と、
前記特徴量に基づき、前記特徴波形を更新する更新部と、
を備えた時系列データ分析装置。 - 前記複数の区間の集合は、前記時系列データの全体をカバーする
請求項1に記載の時系列データ分析装置。 - 直前に設定した区間から一定の範囲内で、部分時系列との距離が最も小さい位置の区間と前記特徴波形との組を特定することを繰り返すことにより、前記複数の区間の設定を行う特徴波形選択部
を備えた請求項1または2に記載の時系列データ分析装置。 - 前記特徴ベクトル算出部は、前記特徴波形との距離が最も小さい前記部分時系列との距離のうち最大の距離に基づき、前記特徴波形の特徴量を算出する
請求項1ないし3のいずれか一項に記載の時系列データ分析装置。 - 前記更新部は、前記特徴波形の勾配を計算し、前記勾配に基づいて、前記特徴波形を更新する
請求項1ないし4のいずれか一項に記載の時系列データ分析装置。 - 前記更新部は、前記特徴量に基づき、1クラス識別器のモデルパラメータを勾配法により更新する
請求項1ないし5のいずれか一項に記載の時系列データ分析装置。 - 前記1クラス識別器は、前記特徴量を表す入力変数と、前記モデルパラメータとを含む評価式である
請求項6に記載の時系列データ分析装置。 - 前記1クラス識別器は、線形または非線形の1クラスSVMである
請求項6または7に記載の時系列データ分析装置。 - 異常検知部をさらに備え、
前記特徴ベクトル算出部は、テスト対象となる時系列データに設定された複数の区間の部分時系列と、前記更新された複数の特徴波形である複数の第2特徴波形との距離とに基づいて、前記第2特徴波形の特徴量を算出し、
前記異常検知部は、前記モデルパラメータと、前記第2特徴波形の特徴量に基づいて、前記テスト対象となる時系列データに対して、異常の有無を判定する
請求項6ないし8のいずれか一項に記載の時系列データ分析装置。 - 前記特徴ベクトル算出部は、前記距離が最も小さい前記部分時系列との距離のうち最大の距離に基づき、前記第2特徴波形の特徴量を算出し、
前記テスト対象となる時系列データに対して前記異常を検知した場合に、前記テスト対象となる時系列データにおける各区間の部分時系列と、前記複数の第2特徴波形のうち前記部分時系列との距離が最も小さい前記第2特徴波形との距離を、前記第2特徴波形の前記最大の距離と比較し、前記距離が前記最大の距離より大きい前記部分時系列を異常波形とする異常同定部
を備えた請求項9に記載の時系列データ分析装置。 - 前記時系列データに対して複数の範囲が設定されており、
前記範囲ごとに、複数の特徴波形が指定されており、
前記特徴ベクトル算出部は、前記複数の区間の部分時系列と、前記区間が属する前記範囲に指定された複数の特徴波形のうち最も距離が小さい特徴波形との距離に基づいて、前記特徴量を算出する
請求項1ないし10のいずれか一項に記載の時系列データ分析装置。 - 前記時系列データは、各変数の時系列データが時間方向に結合されたものであり、
前記時系列データにおいて各変数の時系列データに対応する範囲ごとに、前記複数の特徴波形が指定されている
請求項11に記載の時系列データ分析装置。 - 複数の時系列データに設定された複数の区間の部分時系列と、複数の特徴波形との距離とに基づいて、前記複数の特徴波形の特徴量を算出する特徴ベクトル算出ステップと、
前記特徴量に基づき、前記特徴波形を、更新する更新ステップと、
を備えた時系列データ分析方法。 - 複数の時系列データに設定された複数の区間の部分時系列と、複数の特徴波形との距離とに基づいて、前記複数の特徴波形の特徴量を算出する特徴ベクトル算出ステップと、
前記特徴量に基づき、前記特徴波形を更新する更新ステップと、
をコンピュータに実行させるためのコンピュータプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017109553A JP6877245B2 (ja) | 2017-06-01 | 2017-06-01 | 情報処理装置、情報処理方法及びコンピュータプログラム |
US15/916,951 US20180349320A1 (en) | 2017-06-01 | 2018-03-09 | Time series data analysis device, time series data analysis method, and computer program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017109553A JP6877245B2 (ja) | 2017-06-01 | 2017-06-01 | 情報処理装置、情報処理方法及びコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018205994A true JP2018205994A (ja) | 2018-12-27 |
JP6877245B2 JP6877245B2 (ja) | 2021-05-26 |
Family
ID=64458734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017109553A Active JP6877245B2 (ja) | 2017-06-01 | 2017-06-01 | 情報処理装置、情報処理方法及びコンピュータプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20180349320A1 (ja) |
JP (1) | JP6877245B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021039598A (ja) * | 2019-09-04 | 2021-03-11 | 日本電信電話株式会社 | 学習装置、照合装置、学習方法、照合方法及びプログラム |
KR20210114070A (ko) * | 2019-03-18 | 2021-09-17 | 미쓰비시덴키 가부시키가이샤 | 이상 검지 장치 및 이상 검지 방법 |
JP2021149652A (ja) * | 2020-03-19 | 2021-09-27 | 株式会社東芝 | 情報処理装置、情報処理方法及びプログラム |
WO2022125047A1 (en) * | 2020-12-09 | 2022-06-16 | Turkcell Teknoloji Arastirma Ve Gelistirme Anonim Sirketi | Classification and optimization system on time-series |
JP7414678B2 (ja) | 2020-09-15 | 2024-01-16 | 株式会社東芝 | 情報処理装置、情報処理方法、およびプログラム |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020021587A1 (ja) * | 2018-07-23 | 2020-01-30 | 三菱電機株式会社 | 時系列データ診断装置、追加学習方法およびプログラム |
CN109858894A (zh) * | 2019-01-16 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 一种支付结果通知方法、装置、可读存储介质及服务器 |
JP7085513B2 (ja) * | 2019-04-01 | 2022-06-16 | 株式会社東芝 | 情報処理装置、情報処理方法、及びコンピュータプログラム |
CN110956206A (zh) * | 2019-11-22 | 2020-04-03 | 珠海复旦创新研究院 | 时间序列状态识别方法、装置及设备 |
CN112463646B (zh) * | 2021-01-25 | 2021-05-11 | 北京工业大数据创新中心有限公司 | 一种传感器异常检测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013218725A (ja) * | 2013-06-19 | 2013-10-24 | Hitachi Ltd | 異常検知方法及び異常検知システム |
JP2014081767A (ja) * | 2012-10-16 | 2014-05-08 | Mitsubishi Aircraft Corp | 状態診断方法、および、状態診断装置 |
JP2017062713A (ja) * | 2015-09-25 | 2017-03-30 | キヤノン株式会社 | 識別器作成装置、識別器作成方法、およびプログラム |
-
2017
- 2017-06-01 JP JP2017109553A patent/JP6877245B2/ja active Active
-
2018
- 2018-03-09 US US15/916,951 patent/US20180349320A1/en not_active Abandoned
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014081767A (ja) * | 2012-10-16 | 2014-05-08 | Mitsubishi Aircraft Corp | 状態診断方法、および、状態診断装置 |
JP2013218725A (ja) * | 2013-06-19 | 2013-10-24 | Hitachi Ltd | 異常検知方法及び異常検知システム |
JP2017062713A (ja) * | 2015-09-25 | 2017-03-30 | キヤノン株式会社 | 識別器作成装置、識別器作成方法、およびプログラム |
Non-Patent Citations (1)
Title |
---|
JOSIF GRABOCKA ET.ALL: "Learning Time-Series Shapelets", KDD '14 PROCEEDINGS OF THE 20TH ACM SIGKDD INTERNATIONAL CONFERENCE ON KNOWLEDGE DISCOVERY AND DATA, vol. August,2014 (2014-08), JPN6020032528, 31 August 2014 (2014-08-31), pages 10, ISSN: 0004415240 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210114070A (ko) * | 2019-03-18 | 2021-09-17 | 미쓰비시덴키 가부시키가이샤 | 이상 검지 장치 및 이상 검지 방법 |
KR102408756B1 (ko) * | 2019-03-18 | 2022-06-15 | 미쓰비시덴키 가부시키가이샤 | 이상 검지 장치 및 이상 검지 방법 |
JP2021039598A (ja) * | 2019-09-04 | 2021-03-11 | 日本電信電話株式会社 | 学習装置、照合装置、学習方法、照合方法及びプログラム |
JP7174382B2 (ja) | 2019-09-04 | 2022-11-17 | 日本電信電話株式会社 | 学習装置、照合装置、学習方法、照合方法及びプログラム |
JP2021149652A (ja) * | 2020-03-19 | 2021-09-27 | 株式会社東芝 | 情報処理装置、情報処理方法及びプログラム |
JP7132263B2 (ja) | 2020-03-19 | 2022-09-06 | 株式会社東芝 | 情報処理装置、情報処理方法及びプログラム |
US11803613B2 (en) | 2020-03-19 | 2023-10-31 | Kabushiki Kaisha Toshiba | Information processing device, information processing method, and recording medium |
JP7414678B2 (ja) | 2020-09-15 | 2024-01-16 | 株式会社東芝 | 情報処理装置、情報処理方法、およびプログラム |
WO2022125047A1 (en) * | 2020-12-09 | 2022-06-16 | Turkcell Teknoloji Arastirma Ve Gelistirme Anonim Sirketi | Classification and optimization system on time-series |
Also Published As
Publication number | Publication date |
---|---|
US20180349320A1 (en) | 2018-12-06 |
JP6877245B2 (ja) | 2021-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6877245B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
EP3462267B1 (en) | Anomaly diagnosis method and anomaly diagnosis apparatus | |
US11720821B2 (en) | Automated and customized post-production release review of a model | |
JP7085513B2 (ja) | 情報処理装置、情報処理方法、及びコンピュータプログラム | |
CN109242135B (zh) | 一种模型运营方法、装置、及业务服务器 | |
US11115295B2 (en) | Methods and systems for online monitoring using a variable data | |
JP6708203B2 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
JP5854274B2 (ja) | 情報処理装置および方法、並びにプログラム | |
JPWO2009090939A1 (ja) | ネットワーク異常検出装置及び方法 | |
KR102320706B1 (ko) | 설비 모니터링 시스템의 모델 임계값 설정 방법 | |
JP2013257251A (ja) | 異常検知方法、プログラム及びシステム | |
US20160162759A1 (en) | Abnormal pattern analysis method, abnormal pattern analysis apparatus performing the same and storage medium storing the same | |
JP2019159933A (ja) | 探索点決定プログラム、探索点決定方法および探索点決定装置 | |
JP2020027342A (ja) | 情報処理装置、監視装置、及び情報処理方法 | |
WO2016151620A1 (ja) | シミュレートシステム、シミュレート方法およびシミュレート用プログラム | |
JPWO2020136859A1 (ja) | 推定装置、推定方法、及びプログラム | |
JP6631540B2 (ja) | 情報処理システム、変化点検出方法、およびプログラム | |
JP6950504B2 (ja) | 異常候補抽出プログラム、異常候補抽出方法および異常候補抽出装置 | |
EP2940585A1 (en) | Response method creation program, response method creation method, and information processing device | |
JP7207540B2 (ja) | 学習支援装置、学習支援方法、及びプログラム | |
Ardakani et al. | Optimal features selection for designing a fault diagnosis system | |
JPWO2020148838A1 (ja) | 推定装置、推定方法、及びプログラム | |
CN105608460A (zh) | 多分类器融合方法和系统 | |
Araujo et al. | Hybrid intelligent design of morphological-rank-linear perceptrons for software development cost estimation | |
JP7259497B2 (ja) | 情報処理装置、情報処理方法、プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190822 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200722 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200901 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201030 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210105 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210303 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210330 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210427 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6877245 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |