Til hovedinnhold

ML4ITS - Machine Learning for Irregular Time Series

ML4ITS - Machine Learning for Irregular Time Series

Machine Learning for Irregular Time Series (ML4ITS) har som formål å løse noen av de fundamentale utfordringene som kan oppstå når man lager maskinlæringsmodeller for uregelmessige tidsrekker.

Anomaly Detection of multivariate time series in Telco domain

Vi trenger nye verktøy for å analyse tidsrekker. En utfordring man ofte møter når man analyserer tidsrekker er at de er uregelmessige. Uregelmessige tidsrekker har egenskaper som gjør dem vanskelige å bruke til beslutningsstøtte. Uregelmessigheter i tidsrekker kan være: manglende data (dvs. at tidsrekken mangler verdi på noen tidspunkt), mye støy (f.eks. vil billige sensorer ofte ha mye mer støy i enn tilsvarende høykvalitetssensorer).

En utfordring man ofte møter når man analyserer tidsrekker er at de er uregelmessige. Uregelmessige tidsrekker har egenskaper som gjør dem vanskelige å bruke til beslutningsstøtte. Uregelmessigheter kan f.eks. være: manglende data (dvs. at tidsrekken mangler verdi på noen tidspunkt), mye støy (f.eks. vil billige sensorer ofte ha mye mer støy i enn tilsvarende høykvalitetssensorer).

Prosjektet vil fokusere på følgende oppgaver:

  • Prognoser: å predikere fremtidige verdier for tidsrekken basert på historiske data.
  • Imputering/støyreduksjon: Lage “ren” data når man observerer tidsrekker med støy eller manglende data.
  • Avviks- og feilprediksjon, som handler om å vite hvilke observasjoner er unormale eller som indikerer at et system er i en kritisk tilstand.
  • Syntetiske data.

Det siste punktet er sterkt knyttet til å lage datasett som sikrer personvern. Et eksempel hvor dette er relevant er sensordata hentet fra mobiltelefonen, som i utgangspunktet ikke er anonyme data. Nyere forskning viser at det likevel kan være mulig å generere syntetiske data som statistisk oppfører seg som reelle data, men som samtidig er anonyme. Prosjektet har også fokus på reproduserbar forskning og utvikling av åpen kildekode.

ML4ITS er i samarbeid mellom SINTEF Digital og tre institutter ved NTNU: Institutt for datateknologi og informatikk (IDI), Institutt for Matematiske fag (IMF), og Institutt for elektroniske systemer (IES).

Publisert onsdag 9. juni 2021
Seniorforsker
991 04 568

Prosjektvarighet

2021 - 2024

Finansiering

IKTPLUSS — IKT and Digital Innovasjon

Samarbeidspartnere

SINTEF, NTNU, Telenor, Refinitiv AS, Exabel, Norwegian Open AILab (NAIL), University of Pisa, University of Toronto, University of Southern California (USC)

Mer informasjon

Prosjektets nettside