文献

J-GLOBAL ID：202002215435769791   整理番号：20A1496338

多変量時系列におけるVGGベースの教師なし異常検出【JST・京大機械翻訳】

VGG Based Unsupervised Anomaly Detection in Multivariate Time Series

著者 (2件)： Jablonski Grzegorz (Aptiv, Krakow, Poland) ,  Jablonski Grzegorz (AGH University of Science and Technology, Krakow, Poland)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1196  ページ： 1287-1296  発行年： 2020年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 時系列データにおける異常検出は既知の問題であるが,データを生成するユニット数における最近の成長は,ラベルなしおよび多様なタイプのデータに働くモデルを必要とする。VGG16と呼ぶ2015年にSimonyanとZissermanが導入したニューラルネットワークを適応させ,画像中のオブジェクトを検出し分類するために使用した。1次元バージョンで置換した2次元畳込みを持つVGG16アーキテクチャは,異常を検出するオートエンコーダアプローチのビルディングブロックであることを示した。さらに,提案モデルは,古典的異常検出法と同等またはより良い結果を達成することを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  ニューラルネットワーク ,  検出法 ,  二次元 ,  一次元 ,  計算機アーキテクチャ
準シソーラス用語： 時系列データ ,  ビルディングブロック ,  異常検出 ,  *多変量 ,  自己符号化器 , 【Automatic Indexing@JST】

著者キーワード (3件)： 異常検出 ,  時系列 ,  ニューラルネットワーク

分類 (2件)： 人工知能  (JE08000Z) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 多変量 ,  時系列 ,  教師 ,  異常検出