講演情報
[N-2-14]リザバーコンピューティングとマハラノビス距離を用いた時系列振 動データの異常検知
◎孫 敏綺1、三屋 裕幸2、芦澤 久幸2、森田 將裕2、矢嶋 赳彬1 (1. 九州大学、2. 鷺宮製作所 R＆Dセンター)
キーワード：
エコーステートネットワーク、マハラノビス距離、異常検知
社会インフラの老朽化に伴い、構造物の安全性評価および異常検知技術の重要性が高まっている。従来の深層学習を用いた異常検知手法では、複雑な振動データから微小な特徴を抽出するために、大きな計算コストや高度なモデル化が必要となる。本研究では、時系列処理に適したリザバーコンピューティング、特に Echo State Network（ESN）とマハラノビス距離を組み合わせた振動データの異常検知手法を提案する。入力データにローパスフィルタを適用した後、ESN の内部状態を特徴量として利用し、正常データから得られるリザバー状態の分布を基準として異常度を算出する。実験では、フィルタ処理により正常状態と異常状態の差が明確になり、比較的簡便な構成で異常検知が可能であることを確認した。本手法は、低計算コストで実装できるため、省電力な監視システムへの応用が期待される。