स्थानीय बाहरी कारक के लिए स्वचालित हाइपरपैरामीटर ट्यूनिंग विधि, विसंगति पहचान में अनुप्रयोगों के साथ

स्थानीय बाहरी कारक (LOF) इंटरनेट ऑफ थिंग्स (IoT) में विसंगति पहचान के लिए एक उत्कृष्ट असुपरवाइज्ड मशीन लर्निंग मॉडल है। हाल के वर्षों में, तेज़ गति की ट्रेनों में वायरलेस ट्रांसमिशन डिवाइस सिस्टम, स्मार्ट सिटी वाहन सामाजिक नेटवर्क, औद्योगिक कंडीशनल मॉनिटरिंग सिस्टम और साइबर सुरक्षा के लिए नेटवर्क अवसंरचना जैसे बड़े IoT सिस्टम में LOF के कई महत्वपूर्ण अनुप्रयोग हुए हैं। LOF का उद्देश्य IoT सिस्टम में एक उपकरण की आने वाली समस्याओं का पूर्वानुमान करना है, जिसकी भविष्यवाणीकर्ता प्रदर्शन इसके हाइपरपैरामीटर के चयन पर निर्भर करता है। IoT सिस्टम के संदर्भ में असुपरवाइज्ड मशीन लर्निंग मॉडल, जिनमें LOF भी शामिल हैं, के लिए हाइपरपैरामीटर ट्यूनिंग की प्रमुख चुनौती यह है कि आने वाला डेटा ऐसा नए प्रकार की विसंगतियाँ हो सकता है जो प्रशिक्षण डेटा में अदृश्य हैं। इस लेख में, हम LOF में हाइपरपैरामीटर्स को ट्यून करने के लिए एक नवीन, ह्यूरिस्टिक पद्धति का प्रस्ताव करते हैं जो इस चुनौती को ध्यान में रखती है। प्रस्तावित विधि का उपयोग करने वाला एक ट्यून किया गया LOF मॉडल दोनों अनुकरण और वास्तविक डेटा अनुप्रयोगों में अच्छा पूर्वानुमान करता है।