基于假设剪枝生成对抗网络的颗粒物传感器异常检测
机器学习
2020-02-17 v2 计算机视觉与模式识别
图像与视频处理
摘要
世界卫生组织（WHO）提供了管理颗粒物（PM）浓度的指导方针，因为当 PM 浓度较高时会威胁人类健康。为了管理 PM 浓度，首先需要进行测量 PM 值的流程。我们使用基于锥形元件振荡微量天平（TEOM）的 PM 测量传感器，因为其比基于β衰减监测仪（BAM）的传感器具有更高的性价比。然而，基于 TEOM 的传感器比基于 BAM 的传感器具有更高的故障概率。在本文中，我们将整体故障称为异常，我们的目标是检测异常以维护 PM 测量传感器。我们提出了一种用于解决上述目标的新颖架构，命名为假设剪枝生成对抗网络（HP-GAN）。我们通过实验比较了若干异常检测架构，以证明我们的架构表现更优。
引用
@article{arxiv.1912.00583,
title = {Anomaly Detection in Particulate Matter Sensor using Hypothesis Pruning Generative Adversarial Network},
author = {YeongHyeon Park and Won Seok Park and Yeong Beom Kim},
journal= {arXiv preprint arXiv:1912.00583},
year = {2020}
}