...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Advanced Science Letters >Anomaly Detection in Time Series Data Using Spiking Neural Network
【24h】

Anomaly Detection in Time Series Data Using Spiking Neural Network

机译：使用尖刺神经网络的时间序列数据中的异常检测

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

One of the crucial issues in anomaly detection problems is identifying abnormal patterns in time series data that contains noise and in unstructured form. In order to deal with this problem, a good detector is needed with a capability to learn the complex features in the datasets andextract useful information to distinguish normal and abnormal patterns in the datasets. This study exploits the features of Spiking Neural Network (SNN) to generate potential neurons through its learning. These neurons will spike whenever it detects abnormal pattern in the data. The proposedmethod is consisting of three stages: (1) initializing the weight values using rank order method; (2) representing the real input data into spike values using Gaussian Receptive Fields; and (3) identifying the firing nodes that indicate the abnormal data. We applied the proposed techniqueto selected data with anomalies from time series datasets. Experimental results show that the proposed technique is capable of detecting the anomalies in the datasets with reasonable False Alarm Rate.
机译：异常检测问题中的一个关键问题是在包含噪声和非结构化形式的时间序列数据中识别异常模式。为了处理这个问题，需要一种良好的探测器，以便在数据集中的复杂特征中学习有用信息中的复杂功能以区分数据集中的正常和异常模式。本研究利用尖刺神经网络（SNN）的特征通过其学习产生潜在的神经元。每当它检测到数据中的异常模式时，这些神经元将飙升。预设的方法由三个阶段组成：（1）使用等级序列方法初始化重量值; （2）使用高斯接收领域表示真实输入数据的尖峰值; （3）识别指示异常数据的触发节点。我们使用时间序列数据集的异常应用了所提出的TechniqueTo所选数据。实验结果表明，该技术能够以合理的误报率检测数据集中的异常。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号