ディープラーニングは、工場や農業などで使われるとこが多くなっています。工場の不良品検知や病院での画像診断、野菜の自動収穫など様々な場面で使用されています。
異常検知もディープラーニングを使用している1つです。なので、今回はディープラーニングとは何か異常検知とどう関係しているのかをご紹介いたします。
ディープラーニングとは
ディープラーニングとは、私たちが行っているタスクをコンピュータに学習させる機械学習の一つです。
このディープラーニングを用いた異常検知は、データセットの中のデータから他のデータと違う振る舞いをしているデータを検知、識別するための技術です。例えば工場のシステムの故障検知、スーパーなどでの異常行動の検知など私たちが認識するのが難しい些細な変化を機械が検知してお知らせしてくれます。
異常検知の仕組み
異常検知には、外れ値検知・異常部位検出・変化点検知という3つの手法があります。
外れ値検知
普段では考えられないデータを検知したときに用いられる手法です。例えば、株価が急激に下落したり、上昇したりを検知しアラートを発生さるのに役に立ちます。また機会のモータ音に異常がある場合も外れ値検知によって検知する場合も役に立ちます。
異常部位検出
これまでと違う動きが発生したときに、異常が起きた部分時系列を検出する手法です。例えば、心電図のデータの急激な変化や工場設備の故障などを検知するときに使用します。
変化点検知
時系列データのパターンが急激に変化した箇所を検知する手法です。例えば、Webサイトのアクセスなどが普段よりも急激に上昇・減少した時期を検知するのに役に立ちます。
上記の3つの手法を紹介しましたが、実現するには理論や方法がいくつかあるので適切に選択しないといけません。よく使用されるのは、ホテリング理論とk近傍法の２つですが、次回紹介いたします。
ディープラーニングで異常検知する際に気を付けること
異常検知がすごい技術でも使用する際に気を付けなければいけないことがあります。
高精度なデータ収集
異常検知だけではなく、ディープラーニングはデータを有効に活用する技術です。なので、高精度かつ十分なデータが重要になります。高精度ではないデータや十分な量のデータが用意できないと期待した結果にならないかもしれないので、データ計測できる環境をしっかりと整えましょう。
システムへの理解
データが記録をする際に、タイムラグが起きることがあります、そのラグをしっかりと考慮してシステムを扱うことが大切です。また、経年劣化などにより継続使用が難しい場合もあるので、モデルを更新する必要があることも考慮しなければいけません。
教師無し学習には注意が必要
ディープラーニングは私たちが正解を設定しなければいけません。しかし、正解を設定せずに学習させる教師なし学習では、教師あり学習とは異なり、異常である確立が出てこないため異常かどうかの判断基準を用意する必要があります。
まとめ
異常検知は、これから活躍する場所を増やしていきます。課題の多い異常検知ですが、今後どのように活躍していくのか楽しみですね。
弊社では、新規開発の依頼を承っております。「こんな製品出来ないかな」「こんな技術があるけど、コラボレーションできないかな」など何でもお気軽にお問い合わせください。
