MACHINE LEARNING-BASED ANOMALY DETECTION DEVICE AND METHOD

A computing device for performing anomaly detection according to the present disclosure comprises a memory including at least one memory bank that is a logical area, and a processor which: is configured to train a neural network by using at least one function module; generates a reduced feature extraction module; generates the memory bank on the basis of reduced feature data generated from the reduced feature extraction module; and determines whether inspection data is normal by using the generated reduced feature extraction module and the memory bank. Un dispositif informatique pour effectuer une détection d'anomalie selon la présente divulgation comprend une mémoire comprenant au moins une banque de mémoire qui est une zone logique, et un processeur qui : est configuré pour entraîner un réseau neuronal à l'aide d'au moins un module de fonction; génère un module d'extraction de caractéristique réduite; génère la banque de mémoire sur la base de données de caractéristique réduite générées à partir du module d'extraction de caractéristique réduite; et détermine si des données d'inspection sont normales, à l'aide du module d'extraction de caractéristique réduite généré et de la banque de mémoire. 본 개시에 따른 이상 검출을 수행하기 위한 컴퓨팅 장치는, 논리 영역인 적어도 하나의 메모리 뱅크를 포함하는 메모리; 및 적어도 하나의 기능 모듈을 이용해 뉴럴네트워크를 학습하도록 구성되고, 축소 특징 추출 모듈을 생성하고, 상기 축소 특징 추출 모듈로부터 생성된 축소 특징 데이터에 기초하여 상기 메모리 뱅크를 생성하고, 생성된 축소 특징 추출 모듈 및 메모리 뱅크를 이용하여 검사 데이터의 정상 여부를 판단하는 프로세서를 포함한다.