Modelo dual para la detección temprana de anomalías


Modelo dual basado en aprendizaje máquina para la detección temprana de anomalías

Estado de protección de la tecnología

Fue presentada una solicitud de registro de software.

¿Qué buscamos?

Se buscan empresas interesadas en licenciar esta tecnología.

Descripción

Modelo de aprendizaje máquina diseñado para la detección temprana de anomalías. El modelo considera el tiempo como un factor relevante a la hora de detectar una posible anomalía, de tal forma que una detección tardía, aunque correcta, se considera errónea. El modelo dual se basa en dos modelos independientes de aprendizaje máquina: uno para la detección de anomalías y otro para la detección de casos normales. El sistema proporcionará tres posibles salidas para una observación: normal, anomalía o demorar. En el caso de demorar, será necesario proporcionar más información al modelo para obtener una salida definitiva (i.e. normal o anomalía).

Valores añadidos

Este modelo fue desarrollado inicialmente para la detección temprana de casos de depresión en base a posts en redes sociales, mejorando los resultados del estado del arte teniendo en en cuenta en la evaluación tanto la corrección de la detección como el tiempo empleado en la detección.

En general, consideramos que este método puede ser de interés para cualquier entorno o aplicación en donde el tiempo se considere un factor decisivo a la hora de detectar potenciales anomalías. La detección temprana de una anomalía permite anticipar y afrontar de manera más ágil las posibles repercursiones negativas en el sistema, con el consiguiente ahorro económico.

Aplicaciones por sector

Esta tecnología se considera transversal y de potencial aplicación en practicamente cualquier sector en donde se busque la detección de anomalías y el tiempo requerido por esa detección sea considerado un factor crítico.


Acuicultura y pesca
Agricultura y silvicultura
Alimentación
Construcción e ingeniería civil
Cultura y educación
Economía y finanzas
Educación
Energía y desarrollo sostenible
Ganadería y veterinaria
Industria de la refrigeración
Medio ambiente
Producción industrial
Salud y bienestar
Sector naval
Servicios públicos
Tecnologías del agua
TIC

Grupo de investigación

    • telematica

Responsable

  • Fidel Cacheda Seijo
  • Diego Fernández Iglesias
  • Francisco Javier Nóvoa de Manuel
  • Víctor Manuel Carneiro Díaz
  • Manuel Fernández López-Vizcaíno
  • Laura Victoria Vigoya Morales

Contacta con nosotros

Última actualización

2021-12-13