Есть некая экосистема со множеством параметров. Периодически в системе происходят кризисы. Если кризис вызван резким изменением одного из параметров, то он легко обнаруживается и предотвращается. Если причина в незначительном изменении группы параметров, то это легко определяется постфактум, но проблематично заметить в реальном времени.
В теории можно конечно всё описать зависимостями и условиями, но выходит нереальный объём работы. Хочу попробовать к этому всему прикрутить нейронную сеть, чтобы она предсказывала возникновение кризиса. Какой тип сети лучше использовать в данном случае и в какую сторону(алгоритмы) копать? (не хотелось бы начать с того, что радикально не подходит).
В нейросетях новичок, но общее представление и принцип работы понимаю.
Есть такой раздел Data Science, называется "Обнаружение аномалий" (Anomaly Detection). Внутри этого раздела есть подразделы и с поиском стационарных аномалий, и с поиском аномалий в временных рядах, и анализ информации в потоке и т.д. Ставится задача и наибыстрейшего обнаружения аномалий.
Применяются в этом разделе и нейронные сети, но не только. Но в любом случае - копать надо в этом направлении. Благо и литературы и интернет ресурсов более чем достаточно.
Столкнулся с проблемой. Если подаю при обучении сети только "эталонные" данные, на которые нужно реагировать, то сеть выдаёт вот такой рисунок структуры сети и не хочет обучаться. Собственно поэтому и возник вопрос. Какие данные нужны для обучения и к какому типу сети применять? Пока что всё пробую в матлабе.