LSTM-VAE관련
3. Methodology
첫 번째 단계인 입력 단계에서는 데이터 집합을 전처리합니다. 우리의 방법론은 특징 선택, 특징 정규화 및 창 추출이라는 여러 전처리 단계를 포함합니다.
특징 선택은 입력 데이터 집합의 개별 특징에 대해 수행됩니다. 특징은 이상 탐지 작업에 동일하게 기여하지 않을 수 있습니다. 특징은 중복될 수 있으며 (즉, 다른 특징보다 이상 샘플과 이상이 없는 샘플을 잘 구분하지 못할 수 있음) 훈련 집합에서의 특징 값 분포가 테스트 집합에서의 특징 값 분포와 크게 다를 수 있습니다. 특징 선택은 이상 탐지기의 성능에 큰 영향을 미치므로 중요합니다.
특징 정규화 단계에서는 개별 특징 값이 정규화됩니다. 특징 정규화는 이상 탐지 성능에 큰 영향을 미치며, 기계 학습 알고리즘은 특징의 크기에 민감하게 반응하기 때문입니다. Section 4.2에서 특징 선택 및 특징 정규화 과정에 대한 자세한 내용을 설명합니다.
특징 선택 및 특징 정규화가 입력 데이터에 수행되면 해당 데이터 집합의 훈련 및 테스트 세트에서 창이 추출됩니다. 창 추출 단계는 데이터를 작은 시계열 하위 시퀀스 (즉, 창)로 나눕니다. 고정 크기 창을 데이터를 슬라이딩하여 생성합니다. 그런 다음 창은 시간에 따라 순차적으로 여러 샘플로 구성됩니다. 샘플 창을 생성하면 방법론이 순차적 시계열 데이터의 시간 종속성을 처리할 수 있습니다. 창 추출 프로세스에 대한 자세한 내용은 Section 3.4에서 더 설명합니다. 이러한 창은 재구성 단계의 입력으로 사용됩니다.
Comments
1. 찾아봤을때 산업현장에서 LSTM-VAE의 적용에 대해 많이 연구가 안되어있는거같았음.
2. sliding window 자체에 대해서 이해떨어짐....