Anomaly detection tramite Autoencoders
Sviluppo di un sistema di diagnostica su dispositivi di generazione e consumo di energia elettrica e termica, monitorati mediante opportuni sensori e caratterizzati da un’insorgenza di anomalie di funzionamento, quali malfunzionamenti di componenti e cambiamento delle prestazioni. L'attività consiste nella realizzazione di modelli neurali(autoencoders) con apprendimento semisupervisionato con l'integrazione di supporti alla generazione e configurazione degli iperparametri come Hyperopt e metodologie per effettuare Transfer Learning. Per il realizzazione del modello è stato utilizzato Keras, Tensorflow e Python. Per l'analisi dei dati è stato utilizzato Scikit-learn e Python.