[아이디어]anomaly detection system

[kangheeyong]

[kangheeyong]

기존 분류 모델의 문제점

기존 분류 모델은 분류할 데이터가 학습 데이터셋에 속한 데이터일 경우에만 분류가 가능하다. 여기서 문제는 학습 데이터셋에 속하지 않은 데이터가 들어와도 기존 데이터셋에 속한 카테고리로 강제로 분류가 된다는 것이다.

anomaly detection이 추가된 분류 모델

위의 모델은 기존 분류 모델의 문제점을 해결하기 위한 대안 모델이다. 기존 모델과 차이점은 분류를 하기 전에 anomaly detection을 먼저 수행한 후 분류를 진행하는 것이다. 이런식으로 한다면 기존 분류 모델의 가정을 따르면서 정확도 높은 분류를 할 수 있다.

여기서 anomaly dataset의 정의는 위에서 제시한 집합으로 정의한다.

[kangheeyong]

새로운 분류 모델을 추가할 경우

기존 분류 모델의 재학습 없이 새로운 분류 모델을 추가하기 위해서는 위와 같이 하면 된다.

시스템 파이프 라인(분산처리 모델)

실제 시스템에서는 위에서 정의된 엔트로피 값이 가장 작게하는 방법으로 설계를 한다면 컴퓨터 자원을 가장 효율적으로 사용하는 시스템이 될것이다.

[kangheeyong]

확장 가능한 anomaly detection system

• 프로젝트명 : 확장 가능한 anomaly detection system
• 기간 : 예정
• 아이디어 : https://github.com/kangheeyong/portfolio/issues/1
• 요약
  • 기존 분류 모델은 분류할 데이터가 학습 데이터셋에 속한 데이터일 경우에만 분류가 가능하다. 여기서 문제는 학습 데이터셋에 속하지 않은 데이터가 들어와도 기존 데이터셋에 속한 카테고리로 강제로 분류가 된다는 것이다. 이를 해결하기 위해서 Fault Detection Project for OES에서 연구한 anoGANs 적용한 시스템을 개발한다.
• 시스템 개발을 위한 사전 작업
  • (개발)PROJECT-ML-ENV-setting : 배포가능한 머신러닝 백엔드 서버 개발을 위한 사전 프로젝트
  • (개발)toy-async-web-server : 배포가능한 간단한 웹서버 개발을 위한 사전 프로젝트
  • (개발)toy-personal-recommendation-system : MSA(Micro Service Architecture) 시스템 개발을 위한 사전 프로젝트
  • (연구)Fault Detection Project for OES : 반도체 데이터가 아닌 이미지 데이터(좀 더 일반적인 데이터) 연구 결과 정리 중