Submit Search
Upload
第二名 2nd 火眼金睛
•
Download as PPTX, PDF
•
2 likes
•
108 views
L
Leo Zhou
Follow
周波, 孙发强 Bo Zhou, Faqiang Sun 国家互联网应急中心
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 15
Download now
Recommended
第一名 1st Bocoiops
第一名 1st Bocoiops
Leo Zhou
李杰, 崔世彬, 于海鹏, 陈晓峰, 吴琼 Jie Li, Shibin Cui, Haipeng Yu, Xiaofeng Chen, Qiong Wu 亿阳信通 技术架构部
第六名 6th Aurora
第六名 6th Aurora
Leo Zhou
靖宇涵, 何波, 李天星, 张凌昕 Yuhan Jing, Bo He, Tianxing Li, Lingxin Zhang 北京邮电大学 网络技术研究院
第四名 4th H3C AI Institute
第四名 4th H3C AI Institute
Leo Zhou
张闯, 赵国柱, 陈瑞 Chuang Zhang, Guozhu Zhao, Rui Chen 新华三 AI研究院
异常检测在苏宁的实践
异常检测在苏宁的实践
Leo Zhou
汤泳 Yong Tang 苏宁科技集团监控云研发中心 总监
AOI智慧升級─AI訓練師在地養成計畫_台灣人工智慧學校
AOI智慧升級─AI訓練師在地養成計畫_台灣人工智慧學校
CHENHuiMei
AOI智慧升級─AI訓練師在地養成計畫_台灣人工智慧學校
ee2022-ist-xietao.pptx
ee2022-ist-xietao.pptx
Yuetang Deng
AI4SE tao xie
22
22
42qu
基于视频的疲劳驾驶检测系统
基于视频的疲劳驾驶检测系统
Ruofei Du
第一个设计并完成了综合几何特征与纹理特征(PERCLOS、SEM、Gabor)的基于视频的在线疲劳驾驶检测系统,并开发了首例智能手机端的原型系统。 第一个设计并完成了综合眼电与视频信号进行疲劳驾驶检测的实验,证明了眼电信号的可靠性与视频信息的丰富性,第一个提出综合二者特征可显著提高疲劳驾驶检测准确率的实验结论。 参与并完成综合几何特征与纹理特征的表情识别实验,并通过模糊积分算法极大提高了预测准确率。 参与并完成首例综合握力与视频信号进行疲劳驾驶检测的实验。
Recommended
第一名 1st Bocoiops
第一名 1st Bocoiops
Leo Zhou
李杰, 崔世彬, 于海鹏, 陈晓峰, 吴琼 Jie Li, Shibin Cui, Haipeng Yu, Xiaofeng Chen, Qiong Wu 亿阳信通 技术架构部
第六名 6th Aurora
第六名 6th Aurora
Leo Zhou
靖宇涵, 何波, 李天星, 张凌昕 Yuhan Jing, Bo He, Tianxing Li, Lingxin Zhang 北京邮电大学 网络技术研究院
第四名 4th H3C AI Institute
第四名 4th H3C AI Institute
Leo Zhou
张闯, 赵国柱, 陈瑞 Chuang Zhang, Guozhu Zhao, Rui Chen 新华三 AI研究院
异常检测在苏宁的实践
异常检测在苏宁的实践
Leo Zhou
汤泳 Yong Tang 苏宁科技集团监控云研发中心 总监
AOI智慧升級─AI訓練師在地養成計畫_台灣人工智慧學校
AOI智慧升級─AI訓練師在地養成計畫_台灣人工智慧學校
CHENHuiMei
AOI智慧升級─AI訓練師在地養成計畫_台灣人工智慧學校
ee2022-ist-xietao.pptx
ee2022-ist-xietao.pptx
Yuetang Deng
AI4SE tao xie
22
22
42qu
基于视频的疲劳驾驶检测系统
基于视频的疲劳驾驶检测系统
Ruofei Du
第一个设计并完成了综合几何特征与纹理特征(PERCLOS、SEM、Gabor)的基于视频的在线疲劳驾驶检测系统,并开发了首例智能手机端的原型系统。 第一个设计并完成了综合眼电与视频信号进行疲劳驾驶检测的实验,证明了眼电信号的可靠性与视频信息的丰富性,第一个提出综合二者特征可显著提高疲劳驾驶检测准确率的实验结论。 参与并完成综合几何特征与纹理特征的表情识别实验,并通过模糊积分算法极大提高了预测准确率。 参与并完成首例综合握力与视频信号进行疲劳驾驶检测的实验。
蔡学镛 - 深入浅出符合事件处理
蔡学镛 - 深入浅出符合事件处理
d0nn9n
基于Ht rca缺陷分析的测试改进-china test-张玲玲
基于Ht rca缺陷分析的测试改进-china test-张玲玲
drewz lin
基于Ht rca缺陷分析的测试改进
界面設計黑魔法 - The Dark Art of Interface Design @ RGBA 07
界面設計黑魔法 - The Dark Art of Interface Design @ RGBA 07
Hans Shih
[系列活動] 智慧製造與生產線上的資料科學 (製造資料科學:從預測性思維到處方性決策)
[系列活動] 智慧製造與生產線上的資料科學 (製造資料科學:從預測性思維到處方性決策)
台灣資料科學年會
資料科學 (Data Science) 與工業 4.0(Industry 4.0) 是近幾年來廣為討論的主題,本課程以製造現場為實證對象,從資料的視角來尋求改善的契機。在複雜的製造現場環境裡,存在著各式各樣的議題,諸如品質、成本、交期、創新、彈性等,皆需持續改善以提升公司核心競爭力。事實上,製造業在台灣經濟發展上也扮演著舉足輕重的角色,在製造業的轉型過程中,如何以資料科學的角度,整合自動化實務和管理經驗,導入方法論以累積製造智慧 (Manufacturing Intelligence),相信是這個世代關注的焦點之一。 這門課程由國立成功大學資訊系暨製造所李家岩副教授主講,希望以深入淺出的方式,對製造資料科學作一整體性的介紹。課程專注於「問題本質的探索與觀念的釐清」,並輔以案例介紹工程資料分析時會遭遇的困難與挑戰。此外,對於機器學習或資料探勘強調的預測性分析 (Predictive Analytics),課程更進一步地延伸到處方性分析 (Prescriptive Analytics),以連結到管理者視角下,風險評估與決策制定的過程。希望課程內容能引起大家的興趣,並帶給大家在未來繼續學習進階知識的基礎。
扶搖職上
扶搖職上
ssuser82d625
資策會 AI/Big Data資料分析師班, 受訓期間:2019/06/12~2019/11/22 專題成果:扶搖職上
扶搖職上:協助職涯發展之AI智慧聊天機器人(LineBot)
扶搖職上:協助職涯發展之AI智慧聊天機器人(LineBot)
Eric Tseng
資策會(III) AI/Big Data資料分析師 DB103 梅花組專題作品 作品Demo短片(3分鐘):https://reurl.cc/yyW7kE 簡報說明影片(30分鐘):https://reurl.cc/4gYoQv
第五組-AI視力檢測機AI Vision-Exam Presenation v.1.6.6
第五組-AI視力檢測機AI Vision-Exam Presenation v.1.6.6
IttrainingIttraining
第一階段為「視力檢查」,我們利用的功能、技術如下: 1. OpenCV的「物件辨識」、「物件追蹤」技術,來識別手勢的方向。 2. 「視力表」圖案,會隨著檢查者每次的檢視結果而決定下一次圖案的大小。 3. 檢查者手勢的方向也會由Raspberry Pi 的App, 以電腦語音喊出「右邊」、「上面」等等。 4. 「視力表」圖案是個Web-based app,它是放在遠端Web-Server,經由Web-Socket 傳送過來。 5. 最後檢查的結果,除了會在螢幕上呈現,例如:「右眼0.8、左眼0.6」 6. 也可以MQTT傳送給指定的人,例如: 醫療護士、配偶、親人。用指定的方法,例如:LINE、SMS、e-mail等等。 下一個階段,因為我們有Raspberry Pi看護盒子,所以擴充其它遠端看護功能很容易,例如IOMT: 「心跳」、「血糖」、「血壓」等等。 專題成果展花絮 http://bit.ly/2KlUS8Z 政府補助就業班 http://bit.ly/2KlVgnX
[TOxAIA台中分校] 智慧製造成真! 產線導入AI的致勝關鍵
[TOxAIA台中分校] 智慧製造成真! 產線導入AI的致勝關鍵
台灣資料科學年會
智慧製造成真! 產線導入AI的致勝關鍵 許瑞愷 / 東海大學資訊工程系助理教授
Actuate presentation 2011
Actuate presentation 2011
Luke Han
Actuate公司及产品介绍
数据采集中间件技术交流
数据采集中间件技术交流
jerry tom
北京天纳惠通科技有限公司
阿里巴巴数据中台实践分享.pdf
阿里巴巴数据中台实践分享.pdf
markmind
阿里巴巴数据中台实践
为什么选择问卷
为什么选择问卷
Albert
how to choose the proper way of presenting a questionnare/result
[台灣人工智慧學校] 台北總校第三期開學典禮 - 執行長報告
[台灣人工智慧學校] 台北總校第三期開學典禮 - 執行長報告
台灣資料科學年會
台灣人工智慧學校 / 陳昇瑋執行長
第三名 3rd zhyict
第三名 3rd zhyict
Leo Zhou
赵淮毅, 吴嘉皓, 刁祖龙 Huaiyi Zhao, Jiahao Wu, Zulong Diao 中科院 计算所
AI使能网络自动驾驶 AI Building Autonomous Driving Network
AI使能网络自动驾驶 AI Building Autonomous Driving Network
Leo Zhou
何玉宝 Yubao He 华为公司可服务性委员会 主任
2.2 go在阿里云cdn系统的应用
2.2 go在阿里云cdn系统的应用
Leo Zhou
Gopher China 2016
1.6 米嘉 gobuildweb
1.6 米嘉 gobuildweb
Leo Zhou
Gopher China 2016
1.4 go在数据存储上面的应用—毛剑
1.4 go在数据存储上面的应用—毛剑
Leo Zhou
Gopher China 2016
1.2 刘奇 go在分布式数据库中的应用
1.2 刘奇 go在分布式数据库中的应用
Leo Zhou
Gopher China 2016
Protocol libraries the right way
Protocol libraries the right way
Leo Zhou
Pycon
美团数据库运维平台介绍
美团数据库运维平台介绍
Leo Zhou
2015 中国数据库大会
特卖场景下的大数据平台和机器学习实践
特卖场景下的大数据平台和机器学习实践
Leo Zhou
贝贝网-周黄玲
More Related Content
Similar to 第二名 2nd 火眼金睛
蔡学镛 - 深入浅出符合事件处理
蔡学镛 - 深入浅出符合事件处理
d0nn9n
基于Ht rca缺陷分析的测试改进-china test-张玲玲
基于Ht rca缺陷分析的测试改进-china test-张玲玲
drewz lin
基于Ht rca缺陷分析的测试改进
界面設計黑魔法 - The Dark Art of Interface Design @ RGBA 07
界面設計黑魔法 - The Dark Art of Interface Design @ RGBA 07
Hans Shih
[系列活動] 智慧製造與生產線上的資料科學 (製造資料科學:從預測性思維到處方性決策)
[系列活動] 智慧製造與生產線上的資料科學 (製造資料科學:從預測性思維到處方性決策)
台灣資料科學年會
資料科學 (Data Science) 與工業 4.0(Industry 4.0) 是近幾年來廣為討論的主題,本課程以製造現場為實證對象,從資料的視角來尋求改善的契機。在複雜的製造現場環境裡,存在著各式各樣的議題,諸如品質、成本、交期、創新、彈性等,皆需持續改善以提升公司核心競爭力。事實上,製造業在台灣經濟發展上也扮演著舉足輕重的角色,在製造業的轉型過程中,如何以資料科學的角度,整合自動化實務和管理經驗,導入方法論以累積製造智慧 (Manufacturing Intelligence),相信是這個世代關注的焦點之一。 這門課程由國立成功大學資訊系暨製造所李家岩副教授主講,希望以深入淺出的方式,對製造資料科學作一整體性的介紹。課程專注於「問題本質的探索與觀念的釐清」,並輔以案例介紹工程資料分析時會遭遇的困難與挑戰。此外,對於機器學習或資料探勘強調的預測性分析 (Predictive Analytics),課程更進一步地延伸到處方性分析 (Prescriptive Analytics),以連結到管理者視角下,風險評估與決策制定的過程。希望課程內容能引起大家的興趣,並帶給大家在未來繼續學習進階知識的基礎。
扶搖職上
扶搖職上
ssuser82d625
資策會 AI/Big Data資料分析師班, 受訓期間:2019/06/12~2019/11/22 專題成果:扶搖職上
扶搖職上:協助職涯發展之AI智慧聊天機器人(LineBot)
扶搖職上:協助職涯發展之AI智慧聊天機器人(LineBot)
Eric Tseng
資策會(III) AI/Big Data資料分析師 DB103 梅花組專題作品 作品Demo短片(3分鐘):https://reurl.cc/yyW7kE 簡報說明影片(30分鐘):https://reurl.cc/4gYoQv
第五組-AI視力檢測機AI Vision-Exam Presenation v.1.6.6
第五組-AI視力檢測機AI Vision-Exam Presenation v.1.6.6
IttrainingIttraining
第一階段為「視力檢查」,我們利用的功能、技術如下: 1. OpenCV的「物件辨識」、「物件追蹤」技術,來識別手勢的方向。 2. 「視力表」圖案,會隨著檢查者每次的檢視結果而決定下一次圖案的大小。 3. 檢查者手勢的方向也會由Raspberry Pi 的App, 以電腦語音喊出「右邊」、「上面」等等。 4. 「視力表」圖案是個Web-based app,它是放在遠端Web-Server,經由Web-Socket 傳送過來。 5. 最後檢查的結果,除了會在螢幕上呈現,例如:「右眼0.8、左眼0.6」 6. 也可以MQTT傳送給指定的人,例如: 醫療護士、配偶、親人。用指定的方法,例如:LINE、SMS、e-mail等等。 下一個階段,因為我們有Raspberry Pi看護盒子,所以擴充其它遠端看護功能很容易,例如IOMT: 「心跳」、「血糖」、「血壓」等等。 專題成果展花絮 http://bit.ly/2KlUS8Z 政府補助就業班 http://bit.ly/2KlVgnX
[TOxAIA台中分校] 智慧製造成真! 產線導入AI的致勝關鍵
[TOxAIA台中分校] 智慧製造成真! 產線導入AI的致勝關鍵
台灣資料科學年會
智慧製造成真! 產線導入AI的致勝關鍵 許瑞愷 / 東海大學資訊工程系助理教授
Actuate presentation 2011
Actuate presentation 2011
Luke Han
Actuate公司及产品介绍
数据采集中间件技术交流
数据采集中间件技术交流
jerry tom
北京天纳惠通科技有限公司
阿里巴巴数据中台实践分享.pdf
阿里巴巴数据中台实践分享.pdf
markmind
阿里巴巴数据中台实践
为什么选择问卷
为什么选择问卷
Albert
how to choose the proper way of presenting a questionnare/result
[台灣人工智慧學校] 台北總校第三期開學典禮 - 執行長報告
[台灣人工智慧學校] 台北總校第三期開學典禮 - 執行長報告
台灣資料科學年會
台灣人工智慧學校 / 陳昇瑋執行長
Similar to 第二名 2nd 火眼金睛
(13)
蔡学镛 - 深入浅出符合事件处理
蔡学镛 - 深入浅出符合事件处理
基于Ht rca缺陷分析的测试改进-china test-张玲玲
基于Ht rca缺陷分析的测试改进-china test-张玲玲
界面設計黑魔法 - The Dark Art of Interface Design @ RGBA 07
界面設計黑魔法 - The Dark Art of Interface Design @ RGBA 07
[系列活動] 智慧製造與生產線上的資料科學 (製造資料科學:從預測性思維到處方性決策)
[系列活動] 智慧製造與生產線上的資料科學 (製造資料科學:從預測性思維到處方性決策)
扶搖職上
扶搖職上
扶搖職上:協助職涯發展之AI智慧聊天機器人(LineBot)
扶搖職上:協助職涯發展之AI智慧聊天機器人(LineBot)
第五組-AI視力檢測機AI Vision-Exam Presenation v.1.6.6
第五組-AI視力檢測機AI Vision-Exam Presenation v.1.6.6
[TOxAIA台中分校] 智慧製造成真! 產線導入AI的致勝關鍵
[TOxAIA台中分校] 智慧製造成真! 產線導入AI的致勝關鍵
Actuate presentation 2011
Actuate presentation 2011
数据采集中间件技术交流
数据采集中间件技术交流
阿里巴巴数据中台实践分享.pdf
阿里巴巴数据中台实践分享.pdf
为什么选择问卷
为什么选择问卷
[台灣人工智慧學校] 台北總校第三期開學典禮 - 執行長報告
[台灣人工智慧學校] 台北總校第三期開學典禮 - 執行長報告
More from Leo Zhou
第三名 3rd zhyict
第三名 3rd zhyict
Leo Zhou
赵淮毅, 吴嘉皓, 刁祖龙 Huaiyi Zhao, Jiahao Wu, Zulong Diao 中科院 计算所
AI使能网络自动驾驶 AI Building Autonomous Driving Network
AI使能网络自动驾驶 AI Building Autonomous Driving Network
Leo Zhou
何玉宝 Yubao He 华为公司可服务性委员会 主任
2.2 go在阿里云cdn系统的应用
2.2 go在阿里云cdn系统的应用
Leo Zhou
Gopher China 2016
1.6 米嘉 gobuildweb
1.6 米嘉 gobuildweb
Leo Zhou
Gopher China 2016
1.4 go在数据存储上面的应用—毛剑
1.4 go在数据存储上面的应用—毛剑
Leo Zhou
Gopher China 2016
1.2 刘奇 go在分布式数据库中的应用
1.2 刘奇 go在分布式数据库中的应用
Leo Zhou
Gopher China 2016
Protocol libraries the right way
Protocol libraries the right way
Leo Zhou
Pycon
美团数据库运维平台介绍
美团数据库运维平台介绍
Leo Zhou
2015 中国数据库大会
特卖场景下的大数据平台和机器学习实践
特卖场景下的大数据平台和机器学习实践
Leo Zhou
贝贝网-周黄玲
我的互联网运维理论与实践
我的互联网运维理论与实践
Leo Zhou
Ucloud dev opsworkshop 7.25
如何选择 Docker 监控方案
如何选择 Docker 监控方案
Leo Zhou
刘斌 OneAPM
美团数据库运维平台介绍
美团数据库运维平台介绍
Leo Zhou
- 初期仅支持在线的DDL操作、数据库账户申请操作以及数据库相关集群信息查询操作 - 主要功能: 仪表盘, 工单, 公告, 新集群搭建(包括mysql和中间件), 扩容从库, 建库&添加账, 自助表变更, 备份 - 小功能点: checksum管理, 中间件管理、历史、实时processlist查看、历史innodb status查看、SQL评审等 - 由于很多数据库操作没有办法方便得回滚,需要DBA手动回滚. 所以在必须加上详细的前置和后置检查工作
The net is dark and full of terrors - James Bennett
The net is dark and full of terrors - James Bennett
Leo Zhou
Django Con Euro 2015
Hypothesis randomised testing for django
Hypothesis randomised testing for django
Leo Zhou
DjangoCon Europe 2015
NoSQL@VIP — 唯品会NoSQL平台⾃动化发展及运维经验分享
NoSQL@VIP — 唯品会NoSQL平台⾃动化发展及运维经验分享
Leo Zhou
2015中华数据库与运维大会
动静态混合网站或 APP的CDN优化方法
动静态混合网站或 APP的CDN优化方法
Leo Zhou
2015中华数据库与运维大会
MySQL运维那些事
MySQL运维那些事
Leo Zhou
2015中华数据库与运维大会
天灾还是人祸? Oracle连环夺命未遂记
天灾还是人祸? Oracle连环夺命未遂记
Leo Zhou
2015中华数据库与运维大会
关于服务器评测与选型
关于服务器评测与选型
Leo Zhou
2015中华数据库与运维大会
Python&GUI
Python&GUI
Leo Zhou
Pycon China 2015
More from Leo Zhou
(20)
第三名 3rd zhyict
第三名 3rd zhyict
AI使能网络自动驾驶 AI Building Autonomous Driving Network
AI使能网络自动驾驶 AI Building Autonomous Driving Network
2.2 go在阿里云cdn系统的应用
2.2 go在阿里云cdn系统的应用
1.6 米嘉 gobuildweb
1.6 米嘉 gobuildweb
1.4 go在数据存储上面的应用—毛剑
1.4 go在数据存储上面的应用—毛剑
1.2 刘奇 go在分布式数据库中的应用
1.2 刘奇 go在分布式数据库中的应用
Protocol libraries the right way
Protocol libraries the right way
美团数据库运维平台介绍
美团数据库运维平台介绍
特卖场景下的大数据平台和机器学习实践
特卖场景下的大数据平台和机器学习实践
我的互联网运维理论与实践
我的互联网运维理论与实践
如何选择 Docker 监控方案
如何选择 Docker 监控方案
美团数据库运维平台介绍
美团数据库运维平台介绍
The net is dark and full of terrors - James Bennett
The net is dark and full of terrors - James Bennett
Hypothesis randomised testing for django
Hypothesis randomised testing for django
NoSQL@VIP — 唯品会NoSQL平台⾃动化发展及运维经验分享
NoSQL@VIP — 唯品会NoSQL平台⾃动化发展及运维经验分享
动静态混合网站或 APP的CDN优化方法
动静态混合网站或 APP的CDN优化方法
MySQL运维那些事
MySQL运维那些事
天灾还是人祸? Oracle连环夺命未遂记
天灾还是人祸? Oracle连环夺命未遂记
关于服务器评测与选型
关于服务器评测与选型
Python&GUI
Python&GUI
第二名 2nd 火眼金睛
1.
多维监测指标异常定位 AIOps 挑战赛答辩 队伍:火眼金睛 周波 2019/5/13
北京 AIOps Challenge
2.
多维监测指标异常定位AIOps Challenge 团队介绍 队伍:火眼金睛 单位:国家互联网应急中心(CNCERT) 运维保障部 领队:周波
2017年清华大学博士毕业 成员:孙发强 2017年中科院计算所博士毕业
3.
答辩提纲 赛题分析 方案介绍 总结讨论
4.
赛题分析:多维监测指标异常定位 多维度:5 多属性:3-100 异常根因:1-10 时效性:<1分钟 多样本:>3万 本质:离散变量的组合优化
5.
赛题分析:方案设计原则 搜索目标函数:物理可解释 搜索算法:智能高效稳定 计算模式:流处理+并行化 根因集合:奥卡姆剃刀
6.
赛题分析:方案框架 数据预处理 广度优先搜索 根因集合 异常根因 目标函数 (基于故障预测值) 启发式搜索 遗传算法搜索 +
7.
方案介绍:数据预处理 (1)基于历史样本,计算 正常预测值 (2)剔除正常预测值与故 障实际值均为零的样本 历史样本取平均 - 评估不同周期, 取得分最高的结果 -
多进程并行化计算 减少75%-90%无效样本 一次计算,多次引用, 避免重复计算 1 i01, e01, c1, p01, l3, 1.04 2 i01, e01, c1, p02, l3, 2.11 3 i01, e01, c1, p03, l3, 0.00 预处理 (3)建立单个根因与 对应样本编号的字 典索引
8.
正常预测值 𝑓 故障实际值 𝑣 根因RSi 𝑎(𝑒𝑗)
= 𝑓(𝑒𝑗) − 𝑓(𝑒𝑗) 𝑗 𝑓(𝑒𝑗) 𝑗 𝑓 𝑒𝑗 − 𝑣(𝑒𝑗)𝑒𝑗 ∈ 𝑅𝑆𝑖, 𝑓(𝑒𝑗) ≠ 0 𝑎(𝑒𝑗) = 𝑣(𝑒𝑗)𝑒𝑗 ∈ 𝑅𝑆𝑖, 𝑓 𝑒𝑗 = 0 𝑎(𝑒𝑗) = 𝑓(𝑒𝑗)𝑒𝑗 ∉ 𝑅𝑆𝑖 1 i01, e01, c1, p01, l3, 1.04 2 i01, e01, c1, p02, l3, 2.11 3 i01, e01, c1, p03, l3, 0.00 样本𝑒1属于根因i01 , 但不属于根因i02 故障预测值𝑎 例如,RSi = i01&e01 不 同 样 本 类 型 计 算 方 式 不 同 不同𝑅𝑆𝑖, 故障预测值分开计算 方案介绍:故障预测值计算
9.
加入真实根因,目标函数增大 加入非真实根因,目标函数变小 真实根因:故障大小+ripple effect 方案介绍:目标函数设计
10.
根因集合𝑅𝑆 𝑚
= 𝑅𝑆1; … ; 𝑅𝑆 𝑚 正常预测值 𝑓 故障实际值 𝑣 故障预测值 𝑎 目标函数s𝑐𝑜𝑟𝑒 𝑅𝑆(𝑚) = 𝑠𝑐𝑜𝑟𝑒1 ∗𝑠𝑐𝑜𝑟𝑒2 𝑚 𝑐 , 0 < 𝑐 < 1 𝑠𝑐𝑜𝑟𝑒1 = 𝑒 𝑗∈𝑅𝑆 𝑚 𝑣 𝑒𝑗 − 𝑓(𝑒𝑗) 𝑣 − 𝑓 1 𝑠𝑐𝑜𝑟𝑒2 = 1 − 𝑣 − 𝑎 1 𝑣 − 𝑓 1 根因集合𝑅𝑆(𝑚)能解释的故障比例 根因集合𝑅𝑆(𝑚)能解释的故障比例 + 根因集合𝑅𝑆(𝑚)符合𝑅𝑖𝑝𝑝𝑙𝑒 𝐸𝑓𝑓𝑒𝑐𝑡 程度 方案介绍:目标函数设计
11.
假设根因集合𝑅𝑆(𝑚) = 𝑅𝑆1,
… , 𝑅𝑆 𝑚 完全符合𝑅𝑖𝑝𝑝𝑙𝑒 𝐸𝑓𝑓𝑒𝑐𝑡 𝑠𝑐𝑜𝑟𝑒 𝑅𝑆(𝑚) > 𝑠𝑐𝑜𝑟𝑒 𝑅𝑆(𝑚 − 1) 成立的条件: 𝑒 𝑗∈𝑅𝑆𝑖 𝑣 𝑒𝑗 − 𝑓(𝑒𝑗) > 𝑒 𝑗∈𝑅𝑆 𝑚−1 𝑣 𝑒𝑗 − 𝑓(𝑒𝑗) ∗ 𝑚 𝑚 − 1 𝑐 2 − 1 𝑅𝑆(𝑚) = 𝑅𝑆1; … ; 𝑅𝑆𝑖; … 𝑅𝑆 𝑚 𝑅𝑆(𝑚 − 1) = 𝑅𝑆1; … ; , 𝑅𝑆𝑖+1; … ; 𝑅𝑆 𝑚? 物理含义:只有当𝑅𝑆𝑖对应的故障足够大时,才将其加入根因集合𝑅𝑆 𝑅𝑆𝑖对应的故障 𝑅𝑆(𝑚 − 1)对应的故障 方案介绍:目标函数分析
12.
将𝑅𝑆𝑖加入根因集合的条件: 𝑒 𝑗∈𝑅𝑆 𝑖 𝑣
𝑒𝑗 − 𝑓(𝑒𝑗) > 𝑒 𝑗∈𝑅𝑆 𝑚−1 𝑣 𝑒𝑗 − 𝑓(𝑒𝑗) ∗ 𝑚 𝑚 − 1 𝑐 2 − 1 𝑐 𝑚 𝑚 𝑚 − 1 𝑐/2 − 1 0.3 2 0.1095 3 0.0627 4 0.0441 0.6 2 0.2311 3 0.1293 4 0.0901 0.9 2 0.3660 3 0.2001 4 0.1381 方案介绍:目标函数分析
13.
广度优先 启发式 遗传算法 目标函数值相等时,选择首次搜索到 的结果(深度最浅的结果) 交叉维度内单一根因目标函数排序,选 择TOPN集合
TOPN根因集合编码为长度为N的二进 制;在每一代迭代中,选择一个DNA个 体进行枚举搜索。 排 序 方案介绍:智能搜索
14.
队伍名字 测试阶段 测试得分
运行时间 排名 火眼金睛 决赛 0.9516 <1min 2 预赛 0.9147 <30 s 4 关键参数分析: 故障预测值:不同周期的平均值,并行化加速 score 中𝑚 𝑐的c:算法中c 取固定值。减小c,算法倾向于得到根 因数目更多的集合。(预赛2阶段中c 固定时,得分0.9713,根 据样本特征,人工设计规则调整c 值,可以得到1分) score 中范数类型:算法中取𝑙1范数,实测𝑙1比𝑙2得分更高 总结讨论
15.
多维监测指标异常定位 THANKS Q&A AIOps Challenge
Editor's Notes
𝑠𝑐𝑜𝑟𝑒 𝑚−1 𝑠𝑐𝑜𝑟𝑒 𝑚 = 𝑝𝑜𝑤𝑒𝑟( 𝑚 𝑚−1 ,0.618) 𝑓(𝑅𝑆(𝑚))−𝑣(𝑅𝑆(𝑚)) 1 2 / 𝑓(𝑅𝑆(𝑚−1))−𝑣(𝑅𝑆(𝑚−1)) 1 2
𝑠𝑐𝑜𝑟𝑒 𝑚−1 𝑠𝑐𝑜𝑟𝑒 𝑚 = 𝑝𝑜𝑤𝑒𝑟( 𝑚 𝑚−1 ,0.618) 𝑓(𝑅𝑆(𝑚))−𝑣(𝑅𝑆(𝑚)) 1 2 / 𝑓(𝑅𝑆(𝑚−1))−𝑣(𝑅𝑆(𝑚−1)) 1 2
Download now