Detekce anomálií v periodických stochastických jevech

Abstract

Chronorobotika nabízí nástroje pro předpovědi v čase a prostoru, které byly úspěšně použity v autonomní robotice. Nicméně, tyto metody nenabízí vhodné nástroje pro detekci nových jevů. Tato práce se zabývá vhodnými nástroji pro detekci nových jevů a obecně detekci odlehlých pozorování v tomto oboru. V této práci jsou také zkoumány vhodné metody z obou oborů, které jsou kombinovány a jejich kombinace jsou vyhodnoceny v experimentech. Ačkoli některé metody se zdají být velmi slibné na syntetických časových posloupnostech, jejich aplikace na reálných datech ukazuje, že je nezbytný další vývoj.

Chronorobotics provides spatio-temporal forecasting tools that were successfully applied in the field of autonomous robotics. However, these methods do not provide an appropriate tool to detect novelty. This thesis concerns suitable tool for novelty and generally outlier detection for this scientific field. It provides research of suitable methods from both fields, combines them and evaluates their combinations in the experiments. Although some of them show good quality on synthetic time-series, their application to real data reveals the necessity of further development.