基于方差遗传集成的神经网络卫星异常检测
机器学习
2023-02-14 v1 神经与进化计算
系统与控制
系统与控制
摘要
在本文中,我们使用基于方差的遗传集成(VGE)神经网络(NNs)来检测卫星历史数据中的异常。我们通过利用每个模型的不确定性水平(方差)高效集成多个循环神经网络(RNNs)的预测。对于预测,每个 RNN 由遗传算法(GA)引导,该算法构建每个 RNN 模型的最优结构。然而,在许多情况下确定模型不确定性水平具有挑战性。尽管基于贝叶斯神经网络(BNNs)的方法因提供模型置信界而流行,但它们无法用于复杂 NN 结构,因为计算上不可行。本文使用蒙特卡洛(MC)丢弃法作为 BNNs 的近似版本。然后将这些不确定性水平与 GA 建议的每个预测模型用于生成新模型,进而用于时间序列预测(TS)与异常检测(AD)。仿真结果表明,该集成模型的预测与 AD 能力优于现有方法。
引用
@article{arxiv.2302.05525,
title = {Satellite Anomaly Detection Using Variance Based Genetic Ensemble of Neural Networks},
author = {Mohammad Amin Maleki Sadr and Yeying Zhu and Peng Hu},
journal= {arXiv preprint arXiv:2302.05525},
year = {2023}
}