في ظل التطور السريع في تقنية الذكاء الاصطناعي، تبرز الحاجة إلى طرق فعالة للكشف عن الشذوذ في البيانات الزمنية. مؤخراً، تم تقديم طريقة مبتكرة تُدعى TPA-AD (طريقة الكشف عن anomalies الموجهة بمرحلتين)، تهدف إلى رصد الشذوذ في بيانات المحامل من خلال تكتيك ذكي يُعتمد على البيانات الطبيعية فقط.

تقوم طريقة TPA-AD بإنشاء نوافذ شاذة مزيفة قرب الحدود الطبيعية باستخدام نموذج إعادة البناء، مع التحكم في الأخطاء على مستوى كل ميزة. وفي المرحلة التالية، يتم تعلم تمثيلات حساسة للشذوذ من خلال التعلم التكاملي بين النوافذ الطبيعية والنوافذ الشاذة المزيفة. بعد ذلك، يتم استخدام خوارزمية الجيران الأقرب (KNN) لحساب الدرجات الشاذة على مستوى النوافذ والنقاط.

تُظهر النتائج التجريبية أن الطريقة الجديدة تفوق على الأساليب التقليدية التي تعتمد على فئات الأخطاء المعروفة أو إدخال الشذوذ بشكل عشوائي. حيث تمكنت TPA-AD من تعزيز فصل الحدود الطبيعية من خلال إنشاء شذوذات مزيفة قريبة من الحدود، مما يسهل التعامل مع البيانات التي تحتوي على ميزات مستمرة ومنفصلة.

تم إجراء التجارب الرئيسية على مجموعات بيانات كشف أعطال المحامل، بالإضافة إلى مجموعة استكشافية شاملة تضم 13 مجموعة بيانات عامة. وعكست النتائج استجابة مستقرة نسبيًا للشذوذ، وحساسية للتطور في التدهور، مع إمكانية تطبيق أوسع على معايير البيانات الزمنية العامة الخاصة بالشذوذ وبيانات المحامل المتعلقة بالقطارات فائقة السرعة.

إذا كنت مهتمًا بمجالات الذكاء الاصطناعي وتقنيات كشف الشذوذ، فهذه الطريقة تمثل خطوة جديدة على طريق الابتكار!