INTRODUÇÃO
O campo de aprendizagem profunda (Deep Learning – DL) vem sendo cada vem mais estudado, e a partir dele uma série de pesquisas foram desenvolvidas focando no Aprendizado por Máquina (Machine Learning – ML), principalmente na aprendizagem profunda (DL). Uma aplicação baseada em aprendizado por máquina é a detecção de anomalias (Anomaly Detection – AD) em sistemas de grande escala, e está relacionada à identificação de eventos que desviam do comportamento esperado. AD pode ser aplicada na detecção de fraude, segurança de redes de comunicação, área industrial, e assistência médica por exemplo. Independentemente da área de aplicação, um modelo baseado no aprendizado por máquina precisa ser treinado para aprender o que é uma anomalia.
Deste modo, a presente tecnologia traz um método que fornece recursos de interpretabilidade para modelos de AD não supervisionados baseado em reconstrução de entrada. Esta invenção é de simples implementação, baixo custo computacional e comportamento determinístico, e permite realizar diagnóstico determinístico em tempo real de falhas em sistema de grande escala.
APLICAÇÕES E PÚBLICO ALVO
A tecnologia fornece um método de interpretabilidade para aprendizado de máquina e assim pode ser utilizado para detecção de falhas em sistemas computacionais. Pode ser aplicada em diversas áreas, como Agropecuária, Alimentos, Energia, Tecnologias de Comunicação e Informação, e Outros.
Figura - Diagrama detalhado contendo as etapas essenciais da presente invenção (Método para Detecção e Diagnóstico de falhas baseado em análise de erros residuais obtidos por modelo não supervisionado)..
ESTÁGIO DE DESENVOLVIMENTO
Área: Agropecuária, Alimentos, Energia, Tecnologias da Comunicação e Informação, e Outros; 0065/2020 Polo São Paulo
Escola Politécnica – USP; e Vale S/A alelima@usp.br
Patente protegida sob o nº: BR 102020020676-1 www.patentes.usp.br