文献

J-GLOBAL ID：202002242731638341   整理番号：20A1196380

LOPAD 異常検出への局所予測アプローチ【JST・京大機械翻訳】

LoPAD: A Local Prediction Approach to Anomaly Detection

著者 (5件)： Lu Sha (University of South Australia, Adelaide, SA, Australia) ,  Liu Lin (University of South Australia, Adelaide, SA, Australia) ,  Li Jiuyong (University of South Australia, Adelaide, SA, Australia) ,  Le Thuc Duy (University of South Australia, Adelaide, SA, Australia) ,  Liu Jixue (University of South Australia, Adelaide, SA, Australia)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12085  ページ： 660-673  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  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： 信頼性に基づく異常検出法は,変数間の正規確率依存性からの偏差を見ることにより異常を検出し,より微妙で意味のある異常を発見することができる。しかし,高次元データでは,それらは2つの重要な課題に直面している。一つは,大きな探索空間から与えられた変数に対する適切な変数の正しい集合を見出し,依存性偏差を評価する方法である。もう一つは,変数の期待値を正確に推定するための依存性を用いる方法である。本論文では,2つの課題を同時に扱うために,異常検出(LoPAD)フレームワークに対する局所予測アプローチを提案した。MarkovBlanketを信頼性ベースの異常検出に導入することを通して,LoPADは,より良い性能と解釈可能性を達成しながら,局所的特徴選択と予測問題に高次元教師なし異常検出問題を分解する。この枠組みにより,異常検出のためのオフ-シェルフ予測モデルを用いることができる。総合的な実験を,合成と実世界のデータの両方で行った。結果は,LoPADが最先端の異常検出法より優れていることを示した。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： 信頼性 ,  *期待値 ,  特徴選択 ,  高次元 ,  予測モデル
準シソーラス用語： 探索空間 ,  *異常検出 ,  判断能力 ,  高次元データ , 【Automatic Indexing@JST】

著者キーワード (3件)： 異常 ,  依存性に基づく異常 ,  Markovブランケット

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (2件)： 異常検出 ,  予測