Deep learning 基于模式匹配的连续数据异常检测

我有一系列传感器（大约4k），每个传感器将测量每个点的振幅。假设我用足够的4k值集（N*4k形状）训练神经网络。机器将在一系列值中找到模式。如果值偏离模式（即异常）它可以检测到该点，并且能够说异常出现在第X个传感器中。这是否可能。如果可能，我应该使用哪种神经网络？

由于您有时间序列输入，因此可以使用顺序模型，如RNN、LSTM、GRU。最后使用softmax层，可以输出（正常/异常）。 您可以使用同一型号（重量）4k次来查找哪个传感器出现故障。 或者可以使用多维softmax（异常1/normal1…故障4K/normal4k）训练相同的顺序网络

但当数据不平衡时，这样的网络将无法正常工作（异常情况很少）

您还可以尝试使用RPCA进行异常检测