Anomalien in Zeitreihen mittels Machine Learning erkennen
5th June 2020
Diverse Techniken des maschinellen Lernens werden bereits genutzt, um automatisiert Anomalien in verschiedensten Daten, wie beispielsweise Zeitreihen, zu finden. Zeitreihen sind allgegenwärtig, unter anderem in der Medizin. Hier könnten solche Modelle genutzt werden um frühzeitig lebensrettende Maßnahmen einzuleiten. Um diesem Ziel näher zu kommen forscht eMundo nun gemeinsam mit einer Forschungsgruppe der Ludwig-Maximilians-Universität München.
Gemeinsam mit der Forschungsgruppe Data Mining in der Medizin der Ludwig-Maximilians-Universität München hat eMundo eine vielversprechende Art neuronaler Netze, sogenannte Generative Adversarial Networks, genutzt um nach Anomalien in Daten von Elektrokardiogrammen zu suchen. Hierbei wurde ein bestehender Ansatz für Bilddaten (AnoGAN) adaptiert und es wurden erste Möglichkeiten untersucht um das bestehende Modell an Zeitreihen anzupassen. Die Ergebnisse wurden 2019 im Rahmen eines Workshops der IEEE International Conference on Data Mining in Peking vorgestellt. Basierend auf den dort geschaffenen Grundlagen wurde nun das gemeinsame Projekt ECGAN gestartet.
ECGAN wird durch die Bayerische Forschungsstiftung gefördert.
