我将要进行一个研究项目,其中涉及使用从传感器获得的时间数据来预测发动机即将发生故障的情况。该数据基本上包含多个月内各种嵌入式传感器每10分钟的读数。这样的数据可用于大约100个或更多不同的单元(所有均为相同的发动机型号),以及故障发生时间。
虽然我对机器学习有一定的了解,但我在处理此问题时还是很困惑。我已经完成了一些涉及静态数据集(使用SVM、神经网络、逻辑回归等)甚至一项关于预测时间序列的项目。但这是完全不同的。虽然该项目涉及时间数据,但它几乎不涉及预测未来值。相反,它是关于顺序时间数据的异常检测案例。
请问您能否提供一些我如何处理此类问题的想法? 我对神经网络/深度学习特别感兴趣,因此任何有关在该任务中使用它们的想法也将受到欢迎。我更喜欢使用Python或R,尽管如果有专门针对这种任务的其他语言,我也会考虑使用它。 此外,您能否给出一些正式术语,以便我可以搜索相关文献?
谢谢
虽然我对机器学习有一定的了解,但我在处理此问题时还是很困惑。我已经完成了一些涉及静态数据集(使用SVM、神经网络、逻辑回归等)甚至一项关于预测时间序列的项目。但这是完全不同的。虽然该项目涉及时间数据,但它几乎不涉及预测未来值。相反,它是关于顺序时间数据的异常检测案例。
请问您能否提供一些我如何处理此类问题的想法? 我对神经网络/深度学习特别感兴趣,因此任何有关在该任务中使用它们的想法也将受到欢迎。我更喜欢使用Python或R,尽管如果有专门针对这种任务的其他语言,我也会考虑使用它。 此外,您能否给出一些正式术语,以便我可以搜索相关文献?
谢谢