EXTREMA-PRESERVED ENSEMBLE AVERAGING FOR ML ANOMALY DETECTION

Systems, methods, and other embodiments associated with associated with preserving signal extrema for ML model training when ensemble averaging time series signals for ML anomaly detection are described. In one embodiment, a method includes identifying locations and values of extrema in a training signal; ensemble averaging the training signal to produce an averaged training signal; placing the values of the extrema into the averaged training signal at respective locations of the extrema to produce an extrema-preserved averaged training signal; placing the values of the extrema into the averaged training signal at respective locations of the extrema to produce an extrema-preserved averaged training signal; and training a machine learning model using the extrema-preserved averaged training signal to detect anomalies in a signal. Sont décrits des systèmes, des procédés et d'autres modes de réalisation associés à la conservation d'extrema de signal à des fins d'apprentissage de modèle ML lors du moyennage d'ensemble de signaux de série chronologique à des fins de détection d'anomalie ML. Dans un mode de réalisation, un procédé consiste à identifier des emplacements et des valeurs d'extrema dans un signal d'apprentissage ; à procéder à la moyenne d'ensemble du signal d'apprentissage pour produire un signal d'apprentissage moyenné ; à positionner les valeurs des extrema dans le signal d'apprentissage moyenné à des emplacements respectifs des extrema pour produire un signal d'apprentissage moyenné à conservation d'extrema ; à positionner les valeurs des extrema dans le signal d'apprentissage moyenné à des emplacements respectifs des extrema pour produire un signal d'apprentissage moyenné à conservation d'extrema ; et à entraîner un modèle d'apprentissage automatique à l'aide du signal d'apprentissage moyenné à conservation d'extrema pour détecter des anomalies dans un signal.