Andrea Gardetto
Ricerca di anomalie su sistemi ingegneristici attraverso metodi di intelligenza artificiale = Artificial Intelligence based anomaly detection on engineered systems.
Rel. Francesco Vaccarino, Alessandro De Gregorio, Antonio Mastropietro. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Matematica, 2021
|
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (4MB) | Preview |
Abstract: |
In questa tesi è affrontato il problema dell’identificazione di anomalie su serie temporali multivariate attraverso modelli di Deep Learning. In particolare si vuole confrontare le prestazioni di un algoritmo LSTM-Autoencoder con un modello più complesso, Multi-scale Convolutional Recurrent Encoder-Decoder. I dati su cui si svolge l’analisi consistono in simulazioni di tre serie temporali multivariate, ognuna delle quali è ottenuta monitorando nel tempo alcuni sensori di un veicolo sportivo che transita sullo stesso percorso ma in tre condizioni diverse: veicolo completamente sano, veicolo con rottura di tipo 1 e con rottura di tipo 2. L’idea che sta alla base dei modelli utilizzati è la stessa: addestrare il modello a riconoscere le caratteristiche più rilevanti del veicolo in condizioni di normalità, affinché la rete sia capace di ricostruire in maniera più precisa i veicoli sani e più errata gli altri, identificando quindi delle anomalie. |
---|---|
Relators: | Francesco Vaccarino, Alessandro De Gregorio, Antonio Mastropietro |
Academic year: | 2020/21 |
Publication type: | Electronic |
Number of Pages: | 83 |
Subjects: | |
Corso di laurea: | Corso di laurea magistrale in Ingegneria Matematica |
Classe di laurea: | New organization > Master science > LM-44 - MATHEMATICAL MODELLING FOR ENGINEERING |
Aziende collaboratrici: | Politecnico di Torino- SmartData@PoliTo |
URI: | http://webthesis.biblio.polito.it/id/eprint/17345 |
Modify record (reserved for operators) |