Anomaly Detection and Prediction from Sensor Using Time Series Data Patterns and Neural Network

Abstract

ข้อมูลอนุกรมเวลาสามารถนํามาใช้งานได้หลากหลายและมีความสําคัญยิ่งในปัจจุบัน โดยเฉพาะการตรวจจับและ ทํานายความผิดปกติที่อาจเกิดขึ้นได้ในอนาคต แต่การตรวจจับนี้ยังมีข้อจํากัดด้านการใช้ความสามารถมนุษย์เพื่อการ วิเคราะห์เท่านั้น โครงข่ายประสาทเทียมจึงถูกนํามาประยุกต์ใช้เพื่อการเรียนรู้และการทํานายโดยอัตโนมัติ ในรายงานฉบับนี้จะนําเสนอการประยุกต์ใช้โครงข่ายประสาทเทียมในรูปแบบที่น่าสนใจ เช่น โครงข่ายประสาท เทียมความจําระยะสั้นแบบยาว (Long Short-Terms Memory Neural Networks), โครงข่ายประสาทเทียมความจําระยะ สั้นแบบยาวทั้งสองทาง (Bidirectional Long Short-Terms Memory Neural Networks), โครงข่ายประสาทเทียมแบบ คอนโวลูชัน (Convolutional Neural Networks) เป็นต้น เพื่อการพยากรณ์และแจ้งเตือนความผิดปกติล่วงหน้าที่มี ประสิทธิภาพ โดยจะต้องมีค่ารากที่สองของค่าเฉลี่ยความผิดพลาดที่ต่ําและใช้เวลาในการประมวลผลที่น้อย จากการทดลอง ในรูปแบบการตั้งค่าของโครงข่ายประสาทเทียมความจําระยะสั้นแบบยาวที่แตกต่างกัน พบว่าโครงข่ายประสาทเทียมให้ ผลลัพธ์ในการทํานายที่มีประสิทธิภาพ สามารถพยากรณ์ได้ใกล้เคียงกับค่าความจริง โดยแต่ละโครงข่ายประสาทเทียมมีข้อดี และข้อเสียที่แตกต่างกันออกไป