文献

J-GLOBAL ID：201702227731112244   整理番号：17A1385762

ストリーミングデータのための教師なし実時間異常検出【Powered by NICT】

Unsupervised real-time anomaly detection for streaming data

著者 (5件)： Ahmad Subutai (Numenta, Redwood City, CA, USA) ,  Lavin Alexander (Numenta, Redwood City, CA, USA) ,  Purdy Scott (Numenta, Redwood City, CA, USA) ,  Agha Zuha (Numenta, Redwood City, CA, USA) ,  Agha Zuha (Department of Computer Science, University of Pittsburgh, Pittsburgh, PA, USA)
資料名： Neurocomputing  (Neurocomputing)
巻： 262  ページ： 134-147  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ストリーミング,時系列データのアベイラビリティの膨大な増加を見ている。連結実時間データ源の上昇により駆動され,このデータは,技術的挑戦および機会を示した。流動解析のための一つの基本的な能力は,教師なし方法で各ストリームをモデル化し,異常な異常挙動を実時間で検出することである。早期異常検出に価値がある,それは実際には確実に実行することが困難である可能性がある。応用制約条件は実時間プロセスデータ,バッチにシステムを必要とする。ストリーミングデータは本質的に概念ドリフトを示し,連続的に学習するアルゴリズムに有利であった。さらに,実際には独立した流れの大規模な数は異常検出器は完全に自動化する必要がある。本論文では,これらの制約を満たす新しい異常検出アルゴリズムを提案した。法は階層的一時メモリ(HTM)と呼ばれるオンライン配列メモリアルゴリズムに基づいている。Numenta異常ベンチマーク(NAB),標識異常を持つ実世界データストリームを含むベンチマークを用いた結果を提示した。,その種の最初の,ベンチマークはストリーミングデータに及ぼす試験異常検出アルゴリズムのための制御されたオープンソース環境を提供している。はこのベンチマークに関するアルゴリズムの広い範囲の結果と解析を提示し,流動分析の新たな分野について今後の課題を論じた。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： ドリフト ,  *ストリーミング ,  流動解析 ,  アルゴリズム ,  モデリング ,  自動化 ,  アベイラビリティ ,  ベンチマーク
準シソーラス用語： データストリーム ,  オンライン ,  検出アルゴリズム ,  時系列データ ,  *異常検出 ,  *実時間 ,  *ストリーミングデータ , 【Automatic Indexing@JST】

著者キーワード (6件)： 異常検出 ,  階層的一時メモリ ,  ストリーミングデータ ,  教師なし学習 ,  概念ドリフト ,  ベンチマークデータセット

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ストリーミングデータ ,  教師 ,  実時間 ,  異常検出