Uso de Redes Neuronales GAN para análisis de BigData

Abstract

[ES] Las redes neuronales tipo GAN, son uno de los desafíos más interesantes en Machine Learning de la última década, la idea que hay en ellas se basa en tener dos redes neuronales que compiten entre ellas, de forma que se entrenan simultáneamente. Mediante el método de prueba y error, el conjunto de estas dos redes crea un modelo cuyo objetivo es generar muestras verosímiles, basadas en muestras reales. Como proyecto y propuesta para este trabajo, participo en el desarrollo de este tipo de redes para el análisis de BigData y detección de anomalías. El objetivo es que la red sea capaz de crear series temporales sintéticas con anomalías ya identificadas para mejorar y optimizar el proceso de mantenimiento de los equipos de Ford Almussafes. He optado por diseñar una arquitectura muy concreta para cada anomalía y hacer una gran cantidad de pruebas con diferentes hiperparámetros. El proyecto se ha llevado a cabo como parte de un trabajo colaborativo con la empresa de Ford Almussafes, lo que ha permitido aplicar los resultados obtenidos en un entorno real.

[EN] The neural networks type GAN, are one of the most interesting challenges in Machine Learning of the last decade, the idea that there is in them is based on having two neural networks that compete with each other, so that they train simultaneously. Using the trial and error method, the two networks together create a model whose objective is to generate credible samples, based on real samples. As a project and proposal for this work, I participate in the development of such networks for BigData analysis and anomaly detection. The goal is for the network to be able to create synthetic time series with anomalies already identified to improve and optimize the maintenance process of Ford Almussafes equipment. I have chosen to design a very concrete architecture for each anomaly and do a lot of tests with different hyperparameters. The project has been carried out as part of a collaborative work with the company Ford Almussafes, which has allowed to apply the results obtained in a real environment.

[CA] Les xarxes neuronals tipus GAN (xarxes generatives adversarials), són un dels desafiaments més interessants en Machine Learning de l'última dècada, la idea que hi ha en elles es basa a tindre dues xarxes neuronals que competeixen entre elles, de manera que s'entrenen simultàniament. Mitjançant el mètode de prova i error, el conjunt d'aquestes dues xarxes crea un model l'objectiu del qual és generar mostres versemblants, basades en mostres reals. Com a projecte i proposta per a aquest treball, participe en el desenvolupament d'aquesta mena de xarxes per a l'anàlisi de BigData i detecció d'anomalies. L'objectiu és que la xarxa siga capaç de crear sèries temporals sintètiques amb anomalies ja identificades per a millorar i optimitzar el procés de manteniment dels equips de Ford Almussafes. He optat per dissenyar una arquitectura molt concreta per a cada anomalia i fer una gran quantitat de proves amb diferents hiperparámetros. El projecte s'ha dut a terme com a part d'un treball col·laboratiu amb l'empresa de Ford Almussafes, la qual cosa ha permés aplicar els resultats obtinguts en un entorn real.