文献

J-GLOBAL ID：201702240767315505   整理番号：17A1273076

ADE:早期異常検出のためのアンサンブルアプローチ【Powered by NICT】

ADE: An ensemble approach for early Anomaly Detection

著者 (3件)： Buda Teodora Sandra (Cognitive Computing Group, Innovation Exchange, IBM Ireland) ,  Assem Haytham (Cognitive Computing Group, Innovation Exchange, IBM Ireland) ,  Xu Lei (Cognitive Computing Group, Innovation Exchange, IBM Ireland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IM  ページ： 442-448  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 積極的な異常検出は,タイムリーな方法でデータセット内の異常または異常パターンを意味する。発生前障害や劣化などの異常発見を事前にいくつかの是正措置を適用することによって起こる異常を避ける能力のような大きな利益をもたらすことができる(例えば,データセンターにおけるほぼ飽和システムのためのより多くの資源を割り当てる)。本論文では,機械学習と特にアンサンブル学習における積極的な異常検出問題を取り上げて論じた。早期異常検出アンサンブルアプローチ,ADE,各単一法よりもより正確な結果を提供するために,最新の異常検出技術の結果を組み合わせを提案した。モデルを訓練するためのグランドトルース,タイムリーに異常を発見するために,早期発見を優先として重み付き異常窓を利用する。グランドトルース窓を生成するための検討した種々の戦略。結果はADEは検討した全てのデータセットの各個別技術と比較して初期検出スコアの少なくとも10%の改善を示した。は実際に起こる前に技術は~16時間まで事前に提案した異常検出した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： データセンタ ,  早期診断 ,  *機械学習
準シソーラス用語： スコア ,  グランドトゥルース ,  アンサンブル学習 ,  *異常検出 , 【Automatic Indexing@JST】

分類 (2件)： データ保護  (JD01020V) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 早期 ,  異常検出 ,  アンサンブル