This paper presents some results of DANTE project: Detection of Anomalies and Novelties in Time sEries with self-organizing networks, whose goal is to devise and evaluate self-organizing models for detecting novelties or anomalies in univariate time series. The methodology to detect novelty consists in finding non-parametric confidence intervals, who are computed from the quantization errors obtained at the training phase, used at the testing phase as decision thresholds for classifying data

more »

... ples as novelties/anomalies. We compared the performance achieved among variations of the self-organizing neural architectures using as input patterns a non-stationary data series composed by distinct dynamical regimes. Resumo-Este trabalho apresenta resultados do projeto DANTE: Detecção de Anomalias e Novidades em séries TEmporais. O objetivo do projetoé avaliar o desempenho de diversas redes auto-organizadas ao detectar anomalias/novidades em padrões de dados dinâmicos. A metodologia consiste em se determinar intervalos de confiança não-paramétricos a partir de erros de quantização obtidos na fase de treinamento, usados posteriormente na fase de teste como limiares de decisão para classificar amostras como sendo uma anomalia ou novidade. Realizou-se uma comparação do desempenho de variantes da rede SOM, utilizando-se como padrões de entrada uma série não-estacionária composta de regimes dinâmicos distintos.