用于异常检测和分割的对比预测性编码制造技术

一种异常区域检测系统包括控制器，该控制器被配置成：接收被分组为补片的数据，经由编码器的参数对数据进行编码以获得每个补片的一系列局部潜在表示，针对每个补片从局部潜在表示计算对比预测性编码（CPC）损失以获得更新的参数，用更新的参数更新编码器的参数，经由对比预测性编码（CPC）损失对局部潜在表示的每个系列进行评分，以获得与每个补片相关联的评分，平滑该评分以获得损失区域，掩蔽与损失区域相关联的数据以获得经验证的数据，以及输出经验证的数据。经验证的数据。经验证的数据。

【技术实现步骤摘要】
用于异常检测和分割的对比预测性编码


[0001]本公开总体上涉及机器学习系统中的异常区域检测。更具体地，本申请涉及经由局部神经变换在机器学习系统中的异常区域检测方面的改进。

技术介绍

[0002]在数据分析中，异常检测（也称为异常值检测）是对特定数据、事件或观察的标识，所述特定数据、事件或观察因与大多数数据有显著差异而引起怀疑。通常，异常项将转化为某种问题，诸如结构缺陷、错误操作、故障、医疗问题或错误。

技术实现思路

[0003]一种异常区域检测方法，包括从第一传感器接收数据，所述数据被分组为补片，经由编码器的参数对数据进行编码以获得每个补片的局部潜在表示，针对每个补片从局部潜在表示计算表示损失，以获得更新的参数，用更新的参数更新编码器的参数，经由表示损失对所述一系列局部潜在表示中的每一者进行评分，以获得与每个补片相关联的评分，平滑该评分以获得损失区域，掩蔽与损失区域相关联的数据以获得经验证的数据，以及输出经验证的数据。
[0004]一种异常区域检测系统，包括控制器，所述控制器被配置成：接收被分组为补片的数据，经由编码器的参数对所述数据进行编码，以获得每个补片的一系列局部潜在表示，针对每个补片从局部潜在表示计算对比预测性编码（CPC）损失，以获得更新的参数，用更新的参数更新编码器的参数，对所述一系列局部潜在表示中的每一者进行评分，经由对比预测性编码（CPC）损失，获得与每个补片相关联的评分，平滑该评分以获得损失区域，掩蔽与损失区域相关联的数据以获得经验证的数据，以及输出经验证的数据。
[0005]一种异常区域检测系统，包括控制器，所述控制器被配置成从传感器接收数据，所述数据被分组为补片，经由编码器的参数对所述数据进行编码，以获得每个补片的一系列局部潜在表示，针对每个补片从局部潜在表示计算对比预测性编码（CPC）损失，以获得更新的参数，用更新的参数更新编码器的参数，对所述一系列局部潜在表示中的每一者进行评分，经由对比预测性编码（CPC）损失，获得与每个补片相关联的评分，平滑该评分以获得损失区域，掩蔽与损失区域相关联的数据以获得经验证的数据，以及基于经验证的数据来操作机器。
附图说明
[0006]图1是经由局部神经变换（LNT）的异常区域检测系统的流程图。
[0007]图2是对潜在表示的局部神经变换的流程图。
[0008]图3是在潜在空间中具有推/拉的动态确定性对比损失（DDCL）的流程图。
[0009]图4是前向和后向评分的流程图。
[0010]图5是电子计算系统的框图。
[0011]图6是局部神经变换（LNT）的接收器操作特性（ROC）曲线的图形表示，其图示了对于不同设计选择的真阳性率（TPR）与假阳性率（FPR）的关系。
[0012]图7是具有注入异常、评分和错误检测信号的示例性信号的图形表示。
[0013]图8是具有注入异常、评分和错误检测信号的示例性信号的图形表示。
[0014]图9是经由对比预测性编码（CPC）的异常区域检测系统的流程图。
[0015]图10是图像、对应的对比预测性编码（CPC）损失值以及图像和损失值二者的叠加的图示。
[0016]图11是被配置成控制载具的控制系统的示意图。
[0017]图12是被配置成控制制造机器的控制系统的示意图。
[0018]图13是被配置成控制电动工具的控制系统的示意图。
[0019]图14是被配置成控制自动化个人助理的控制系统的示意图。
[0020]图15是被配置成控制监视系统的控制系统的示意图。
[0021]图16是被配置成控制医学成像系统的控制系统的示意图。
具体实施方式
[0022]按照需要，本文公开了本专利技术的详细实施例；然而，将理解，公开的实施例仅仅是本专利技术的示例，并且其可以以各种形式和替代形式来实施。各图不一定是按比例的；一些特征可能被放大或最小化以示出特定部件的细节。因此，本文中公开的具体结构和功能细节不应被解释为限制性的，而仅仅是作为用于教导本领域技术人员以各种方式采用本专利技术的代表性基础。
[0023]术语“基本上”在本文中可以用于描述公开的或要求保护的实施例。术语“基本上”可以修饰在本公开中公开或要求保护的值或相对特性。在这样的情况下，“基本上”可以表明它所修饰的值或相对特性在该值或相对特性的
±
0%、0.1%、0.5%、1%、2%、3%、4%、5%或10%之内。
[0024]术语“传感器”是指检测或测量物理属性并记录、指示或以其他方式响应于该物理属性的装置。术语传感器包括光学、光、成像或光子传感器（例如电荷耦合器件（CCD）、CMOS有源像素传感器（APS）、红外传感器（IR）、CMOS传感器）、声学、声音或振动传感器（例如麦克风、地震检波器、水听器）、汽车传感器（例如车轮速度、停车、雷达、氧气、盲点、扭矩、LIDAR）、化学传感器（例如离子敏感场效应晶体管（ISFET）、氧气、二氧化碳、化学电阻器、全息传感器）、电流、电势、磁性或射频传感器（例如霍耳效应、磁强计、磁电阻、法拉第杯、电流计）、环境、天气、水分或湿度传感器（例如，天气雷达、辐射计）、流量或流体速度传感器（例如，质量空气流量传感器、流速计）、电离辐射或亚原子粒子传感器（例如，电离室、盖革计数器、中子检测器）、导航传感器（例如，全球定位系统（GPS）传感器、磁流体动力学（MHD）传感器）、位置、角度、位移、距离、速度或加速度传感器（例如，LIDAR、加速度计、超宽带雷达、压电传感器）、力、密度或液位传感器（例如应变仪、核密度仪）、热、热量或温度传感器（例如，红外温度计、高温计、热电偶、热敏电阻、微波辐射计）或其他装置、模块、机器或子系统，其目的是检测或测量物理属性并记录、指示或以其他方式响应于该物理属性。
[0025]具体地，传感器可以测量时间序列信号的属性，并且可以包括空间或时空方面，诸如空间中的位置。该信号可以包括机电、声音、光、电磁、RF或其他时间序列数据。本申请中
公开的技术可以应用于利用其他传感器（例如，用于无线电磁波的天线、用于声音的麦克风等）的时间序列成像。
[0026]术语“图像”是指描绘对物理特性（例如，可听声音、可见光、红外光、超声波、水下声学）的感知的表示或人工制品，诸如照片或其他二维图片，其类似于主题（例如，物理对象、场景或特性）并因此提供对其的描绘。图像可以是多维的，因为它可以包括时间、空间、强度、浓度或其他特性的分量。例如，图像可以包括时间序列图像。该技术还可以扩展到对3
‑
D声源或对象进行成像。
[0027]异常检测适用于各种系统中，所述系统诸如是医疗装置、安全系统、消费者系统、汽车系统、自主驾驶系统、无线通信系统、传感器以及使用机器视觉图像中的缺陷检测。它通常用在预处理中，以从数据集中移除异常数据。在监督学习中，从数据集中移除异常数据通常导致在准确性方面的统计学上的显著增加。
[0028]在包括消费者、医疗、工业、汽本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常区域检测系统，包括：控制器，其被配置成：从传感器接收数据，所述数据被分组为补片；经由编码器的参数对数据进行编码，以获得每个补片的一系列局部潜在表示；针对每个补片，从局部潜在表示计算对比预测性编码（CPC）损失，以获得更新的参数；用所述更新的参数更新所述编码器的参数；经由对比预测性编码（CPC）损失对所述一系列局部潜在表示中的每一者进行评分，以获得与每个补片相关联的评分；平滑评分以获得损失区域；掩蔽与所述损失区域相关联的数据以获得经验证的数据；和基于经验证的数据操作机器。2.根据权利要求1所述的异常区域检测系统，其中，所述传感器是光学传感器、汽车传感器或声学传感器，并且所述机器是自主载具。3.根据权利要求1所述的异常区域检测系统，其中，所述传感器是光学传感器、LIDAR传感器或声学传感器，并且所述机器是控制监视系统。4.根据权利要求1所述的异常区域检测系统，其中，根据下式从所述局部潜在表示计算所述对比预测性编码（CPC）损失其中，是期望函数，z
t
是编码数据的局部潜在表示，t是时间索引，W
k
是参数矩阵，其中k是时间索引的宽度，f
k
(a,b) = f(a,W
k
b)是由W
k
参数化的其两个自变量之间的比较函数，L
CPC
是对比预测性编码（CPC）损失，c
t
是上下文表示。5.根据权利要求1所述的异常区域检测系统，其中，根据下式从所述局部潜在表示计算对比预测性编码（CPC）损失其中，是期望函数，z
t
是编码数据的局部潜在表示，t是时间索引，W
k
是参数矩阵，其中k是时间索引的宽度，exp(a)是指数函数，L
X
是对比预测性编码（CPC）损失，c
t 是上下文表示。6.一种异常区域检测方法，包括：从第一传感器接收数据，所述数据被分组为补片；经由编码器的参数对数据进行编码，以获得每个补片的一系列局部潜在表示；针对每个补片，从所述局部潜在表示计算表示损失，以获得更新的参数；用所述更新的参数更新所述编码器的参数；经由所述表示损失对所述一系列局部潜在表示中的每一者进行评分，以获得与每个补
片相关联的评分；平滑所述评分以获得损失区域；掩蔽与所述损失区域相关联的数据以获得经验证的数据；和输出所述经验证的数据。7.根据权利要求6所述的异常区域检测方法，其中，计算表示损失是计算对比预测性编码（CPC）损失。8.根据权利要求7所述的异常区域检测方法，其中根据下式从局部潜在表示计算表示损失其中，是期望函数，z
t
是编码数据的局部潜在表示，t是时间索引，W
k
是参数矩阵，其中k是时间索引的宽度，f
k
(a,b) = f(a,W
k
b)是由W
k
参数化的其两个自变量之间的比较函数，L

【专利技术属性】
技术研发人员：P，
申请(专利权)人：罗伯特，
类型：发明
国别省市：