文件名称：msda:多维时间序列数据分析，无监督特征选择，无监督异常检测和可解释的AI
文件大小：6.78MB
文件格式：ZIP
更新时间：2024-03-25 19:42:00
visualization python iot deep-neural-networks correlation
概述 基于高异质/均匀时间序列多传感器数据的实时异常检测的无监督特征选择和/或无监督深度卷积神经网络和lstm自动编码器的原型。 内置时间序列预测器的可解释AI原型。 无监督特征选择的直观表示如下所示。 无监督实时点异常检测的直观表示如下所示。 从当地的解释，全球理解与解释的AI树木-从这里动机- ，图片来源-https: MSDA 1.0.8 什么是MDSA？ MSDA是Python中的开源low-code多传感器数据分析库，旨在在时序多传感器数据分析和实验中将假设减少到洞察周期。 它使用户能够快速，高效地执行端到端的概念验证实验。 该模块通过捕获变化和趋势来建立多维时间序列中的事件，以建立旨在识别相关特征的关系，从而有助于从原始传感器信号中选择特征。 此外，为精确检测实时流数据中的异常，还设计了无监督的深度卷积神经网络以及基于lstm自动编码器的检测器，以在GPU / C
【文件预览】：
msda-main
----setup.py(2KB)
----slope_with_max_variation.pdf(19KB)
----conceptual_framework_msda.png(55KB)
----features_rate_of_change_over_time.csv(8KB)
----demo1.ipynb(2.53MB)
----features_growth_decay.csv(20KB)
----requirements.txt(145B)
----blog_example()
--------PCA_IPCA_MSDA_EVALUATION_UNSUPERVISED_TESTED-FINAL.ipynb(1.68MB)
--------m_1.xlsx(1.91MB)
--------PCA_IPCA_MSDA_EVALUATION_UNSUPERVISED_TESTED-FINAL.py(25KB)
----data()
--------Exp01.csv(3.56MB)
--------AirQualityUCI.csv(753KB)
--------meat_quality_dataset.csv(388KB)
--------m_1.xlsx(1.91MB)
--------Data1.csv(11KB)
--------m1.csv(1.77MB)
--------DataCollect1.csv(1.22MB)
----conceptual_framework_msda_new.png(62KB)
----Above_Threshold_Count_Growth.pdf(17KB)
----features_msda_new.png(36KB)
----LICENSE(1KB)
----slope_with_change_over_time.pdf(18KB)
----demo.ipynb(277KB)
----slope_with_rate_growth_decay.pdf(21KB)
----features_msda.png(22KB)
----README.md(6KB)
----slope_with_rate_of_change_over_time.pdf(19KB)
----flowchart_msda.png(96KB)
----lstm_ae.png(187KB)
----deepCNN.gif(27KB)
----features_rate_growth_decay.csv(24KB)
----msda()
--------msda.py(30KB)
--------anamoly.py(16KB)
--------__init__.py(170B)
--------utils.py(189B)
--------__pycache__()
----shap_conceptual.png(23KB)
----anomalies_msda.png(59KB)
----slope_with_Growth_nd_Decay.pdf(23KB)
----features_change_over_time.csv(7KB)