Desarrollo de una aplicación de métodos deep learning para detección de anomalías

Abstract

Descubrir fallos de funcionamiento en sistemas reales puede reducirse a detectar puntos temporales anómalos de las series temporales que se derivan de la misma. Esto es muy importante de cara a garantizar la seguridad del sistema y evitar pérdidas económicas. A lo largo de la literatura se han desarrollado diferentes sistemas de aprendizaje automático basado en aprendizaje no supervisado para la detección de anomalías, siendo los sistemas basados en deep learning los más exitosos. El objetivo de este TFG es el diseño e implementación de una aplicación que contenga varios métodos deep learning enfocados a la detección de anomalías, de modo que su ejecución y visualización de resultados sea sencilla por parte del usuario.

Discovering malfunctions in real systems can be reduced to detecting anomalous temporal points in the resulting time series. This is very important for ensuring the system's safety and preventing economic losses. Throughout the literature, various unsupervised learning-based systems for anomaly detection have been developed, with deep learning-based systems being the most successful. The objective of this final degree project is to design and implement an application that includes variousdeep learning methods focused on anomaly detection, so that its execution and result visualization aresimple for the user.