Anomalien in Zeitreihen mittels Machine Learning erkennen

Diverse Techniken des maschinellen Lernens werden bereits genutzt um automatisiert Anomalien in verschiedensten Daten, wie beispielsweise Zeitreihen, zu finden. Zeitreihen sind allgegenwärtig, unter anderem in der Medizin. Hier könnten solche Modelle genutzt werden um frühzeitig lebensrettende Maßnahmen einzuleiten.

Gemeinsam mit der Forschungsgruppe Data Mining in der Medizin der Ludwig-Maximilians-Universität München hat eMundo deshalb eine vergleichsweise neue Art neuronaler Netze, sogenannte Generative Adversarial Networks, genutzt um nach Anomalien in Daten von Elektrokardiogrammen zu suchen. Hierbei wurde ein bestehender Ansatz für Bilddaten (AnoGAN) adaptiert und es wurden erste Möglichkeiten untersucht um das bestehende Modell an Zeitreihen anzupassen. Die Ergebnisse wurden im Rahmen eines Workshops der IEEE International Conference on Data Mining in Peking vorgestellt.