基于带自动架构优化的神经网络的水处理系统异常检测
机器学习
2018-07-20 v1 机器学习
摘要
我们持续开发基于神经网络（NN）的异常检测（AD）预测方法，使用安全水处理（SWaT）工业控制系统（ICS）测试床数据集。我们提出遗传算法（GA）以寻找给定数据集的最佳 NN 架构，使用 NAB 度量评估不同架构的质量。分析了 F1 度量的缺陷。提出了若干技术以提升 AD 质量：指数加权平滑、均值 p 次幂误差度量、各变量的个体误差权重、不相交预测窗口。基于所用技术，引入了一种异常解释方法。
引用
@article{arxiv.1807.07282,
title = {Anomaly Detection for Water Treatment System based on Neural Network with Automatic Architecture Optimization},
author = {Dmitry Shalyga and Pavel Filonov and Andrey Lavrentyev},
journal= {arXiv preprint arXiv:1807.07282},
year = {2018}
}
备注
9 pages