蜂箱中的异常检测：算法比较
机器学习
2021-10-11 v1
摘要
配备传感器的蜂箱可监测蜜蜂的生存条件。机器学习模型可利用此类蜂箱的数据学习行为模式并发现异常事件。出于经济原因，养蜂人特别感兴趣的一类事件是蜜蜂分群。其他受关注的事件包括由疾病引起的行为异常以及技术异常，例如传感器故障。合适的机器学习模型可辅助养蜂人检测这些事件。本文比较了多种用于异常检测的机器学习模型，并评估它们在蜂箱场景下的适用性。具体而言，我们采用了深度循环自编码器（Deep Recurrent Autoencoder）、椭圆包络（Elliptic Envelope）、孤立森林（Isolation Forest）、局部离群因子（Local Outlier Factor）和单类支持向量机（One-Class SVM）。通过使用具有不同传感器设置的不同蜂箱的真实世界数据集进行评估，我们发现自编码器是相较而言最佳的多用途异常检测器。
引用
@article{arxiv.2110.03945,
title = {Anomaly Detection in Beehives: An Algorithm Comparison},
author = {Padraig Davidson and Michael Steininger and Florian Lautenschlager and Anna Krause and Andreas Hotho},
journal= {arXiv preprint arXiv:2110.03945},
year = {2021}
}