​​Исследователи MIT разработали алгоритм поиска аномалий в потоковых данных. Модель позволяет изучить причинно-следственных связи в задачах мониторинга сбоев энергосистемы и дорожного трафика. Поиск выбросов в потоковых данных, собираемых несколькими датчиками, осложняется тем, что каждая выборка охватывает несколько временных рядов. Разработанная в MIT модель представляет собой комбинацию нормализующего потока и байесовской сети. Байесовская сеть факторизирует совместную вероятность данных нескольких временных рядов на менее сложные условные вероятности, которые проще параметризовать и исследовать. Такой подход позволяет оценить вероятность наблюдения определенных показаний датчиков и выявить аномалии. Алгоритм был протестирован на трех датасетах (с данными датчиков электросети и системы водоснабжения, а также с данными дорожного движения) и превзошел предыдущие state-of-the-art подходы. Модель быть применена и к другим задачах, в которых большое количество взаимосвязанных датчиков собирает и передает данные в реальном времени. Источник: https://openreview.net/forum?id=45L_dgP48Vd #StateoftheArt