Détection de nouveauté

Définition - Que signifie la détection de nouveauté?

La détection de nouveauté est une méthode statistique utilisée pour déterminer des données nouvelles ou inconnues et déterminer si ces nouvelles données sont dans la norme (inlier) ou en dehors de celle-ci (outlier).

Un roman dans ce cas signifie des données inhabituelles, nouvelles et qui n'apparaissent pas régulièrement ou qui sont simplement différentes des autres. La nouveauté est appliquée dans différents domaines qui ont besoin de détecter des anomalies dans leurs opérations régulières telles que la détection d'intrusions sur le réseau, le piratage, la panne de moteur à réaction, l'apprentissage automatique, et bien d'autres.

Dans la détection des fraudes, par exemple, les sociétés de cartes de crédit surveillent les habitudes de dépenses d'un utilisateur et lorsqu'il y a un écart par rapport à ces habitudes, elles appellent immédiatement l'utilisateur pour lui demander si l'achat a été effectué légitimement ou si la carte a été perdue ou volée.

Definir Tech explique la détection de nouveauté

La détection des nouveautés est l'une des exigences fondamentales pour un système de classification approprié et dans l'apprentissage automatique. Dans les systèmes d'apprentissage automatique, toutes les possibilités ne peuvent pas être saisies pendant la formation, il y aura donc toujours de nouveaux types de données et de possibilités qui se présenteront à l'avenir, essentiellement des entrées qui diffèrent de celles qui sont régulièrement reçues ou vues.

Dans la détection de défauts et de fraudes par exemple, le système est formé pour détecter des données qui ont été sous-représentées ou qui n'ont pas été vues du tout car il s'agit de défauts potentiels, et dans les systèmes de données médicales, cela pourrait représenter une maladie.

Pour les systèmes de détection de pure nouveauté, le réseau est formé sur les exemples négatifs, puis ne détecte que les entrées qui ne rentrent pas dans ce modèle en tant que nouvelle classe.

Reconnaître qu'une entrée diffère des entrées précédentes est une capacité très importante et utile pour les systèmes d'apprentissage. Cela signifierait que le système est capable d'apprendre vraiment et pas seulement de réagir aux entrées et à la programmation précédentes.

Dans le cas des animaux et des humains, nous pratiquons la détection de nouveauté tout le temps; c'est la capacité de distinguer les objets des autres objets. Par exemple, nous voyons un mur blanc uni puis voyons une tache se déplacer sur sa surface, nous la désassocions immédiatement du mur en remarquant qu'il s'agit d'un objet différent, probablement un insecte.