Název: Feature Space Reduction As Data Preprocessing For The Anomaly Detection
Autoři: Bilik, Simon
Typ dokumentu: Příspěvky z konference
Jazyk: eng
Nakladatel: Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních technologií
Abstrakt: In this paper, we present two pipelines in order to reduce the feature space for anomalydetection using the One Class SVM. As a first stage of both pipelines, we compare the performanceof three convolutional autoencoders. We use the PCA method together with t-SNE as the first pipelineand the reconstruction errors based method as the second. Both methods have potential for theanomaly detection, but the reconstruction error metrics prove to be more robust for this task. Weshow that the convolutional autoencoder architecture doesn’t have a significant effect for this task andwe prove the potential of our approach on the real world dataset.
Klíčová slova: Anomaly detection; CNN; Convolutional autoencoder; OC-SVM; PCA; t-SNE
Zdrojový dokument: Proceedings I of the 27st Conference STUDENT EEICT 2021: General papers, ISBN 978-80-214-5942-7

Instituce: Vysoké učení technické v Brně (web)
Informace o dostupnosti dokumentu: Plný text je dostupný v Digitální knihovně VUT.
Původní záznam: http://hdl.handle.net/11012/200792

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-447837


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Konferenční materiály > Příspěvky z konference