Машинное обучение, потоковый Интернет вещей и подключенные медицинские устройства. Часть 5

Выявление аномалий
Разница между полученной и ожидаемой ЭКГ (зеленый минус красный) — это ошибка реконструкции или остаток (показано желтым цветом). Если остаток является значительным, то может быть аномалия.

Целью выявления аномалий является поиск реальных проблем при сохранении низкого уровня ложных сигналов тревоги; Задача состоит в том, чтобы узнать, какой размер ошибки реконструкции должен вызывать предупреждения.

T-дайджест — это метод оценки размера ошибки реконструкции как квантиля, исходя из распределения набора данных. Алгоритм можно добавить к рабочему процессу выявления аномалий, чтобы можно было установить количество сигналов тревоги в процентах от общего количества наблюдений. Т-дайджест очень точно оценивает распределение с небольшим количеством образцов, особенно на хвостах (обычно являются наиболее интересными частями). И, оценивая эти данные точно, вы можете установить пороговое значение для создания оповещения. Например, установление порога на 99% приведет примерно к одному предупреждение для каждой реконструкции, то есть до относительно большого количества предупреждений (аномалии, по определению, должны быть жидкими). На 99,9%, будет создан предупредительный сигнал для каждой тысячи реконструкций.

Кстати, если вы хотите купить качественные трубы изопрофлекс в ппу изоляции по низкой цене — смело переходите по ссылке ранее.

Выводы
Этот пост провел вас через потоковую систему для выявления аномалий в данных монитора сердца, демонстрируя, как данные с монитора перемещаются в модель автокодера, которая сравнивает сигналы в контексте недавней истории, чтобы выявить нерегулярные сердцебиения в ближайшем реальном времени. Это пример того, как сочетание IoT, потоковой передачи данных и машинного обучения с визуализацией и информацией может позволить медицинским работникам улучшить результаты и сократить расходы.

Экосистема IoT требует от компаний собирать данные, агрегировать их и учить устройствам все население, чтобы понять события и ситуации. В то же время, согласно MapR’s Jack Norris, бизнесменам следует вложить интеллект к краю, чтобы они могли очень быстро реагировать на эти события. Наличие общих данных может помочь обрабатывать все данные одинаково, контролировать доступ к ним и применить интеллект для высокой производительности и скорости.