神经网络估计器的性能界：在故障检测中的应用
机器学习
2021-03-24 v1 系统与控制
系统与控制
摘要
我们利用近期在量化神经网络对输入变化的鲁棒性方面的成果，构建并调谐一个基于模型的异常检测器，其中数据驱动的估计器模型由自回归神经网络给出。在调谐中，我们具体提供了正常操作下预期误报率的上界。为此，我们提供了一项理论扩展，以允许多个置信椭球通过神经网络传播。在输入变化下界定神经网络输出的椭球告知了检测器的灵敏度——从而告知其阈值调谐。我们在线性与非线性动力学系统上演示了该方法。
引用
@article{arxiv.2103.12141,
title = {Performance Bounds for Neural Network Estimators: Applications in Fault Detection},
author = {Navid Hashemi and Mahyar Fazlyab and Justin Ruths},
journal= {arXiv preprint arXiv:2103.12141},
year = {2021}
}