可解释异常检测：基于反事实的假设分析

预测性维护领域主要有三个研究方向：异常检测、故障诊断和剩余使用寿命预测。值得注意的是，异常检测会向利益相关者发出异常正在发生的警报。这引出了两个基本问题：是什么导致了故障，以及我们如何修复它？在可解释人工智能领域，反事实解释能够以“需要进行哪些更改才能将数据点归入相反类别（此处为‘健康’）”的形式提供这些信息。然而，这些建议并不总是可操作的，这可能会引发“如果我们改为这样做会怎样？”的兴趣。在这项工作中，我们提供了一个概念验证，展示了如何将反事实解释用作假设分析。我们在PRONOSTIA数据集上，使用时间卷积网络作为异常检测器来执行此操作。我们的方法以针对此基础问题的假设分析形式呈现反事实，旨在为更复杂系统和场景的未来工作提供启发。