一种高维过程漂移检测的基准测试方法
机器学习
2024-12-06 v2 人工智能
机器学习
摘要
过程曲线是来自制造过程的多元有限时间序列数据。本文研究检测过程曲线数据集中漂移的机器学习。为了对用于过程漂移检测的机器学习算法进行基准测试，引入了一个以受控方式合成生成过程曲线的理论框架。引入了一个称为曲线下时间面积的评估分数，它允许量化机器学习模型揭示属于漂移片段的曲线的程度。最后，提出了一项基准研究，比较了使用所引入框架生成的合成数据上的流行机器学习方法，结果表明现有算法在处理包含多个漂移片段的数据集时常常遇到困难。
引用
@article{arxiv.2409.03669,
title = {A method to benchmark high-dimensional process drift detection},
author = {Edgar Wolf and Tobias Windisch},
journal= {arXiv preprint arXiv:2409.03669},
year = {2024}
}