文献

J-GLOBAL ID：202002256665790878   整理番号：20A2282612

時系列異常検出のための1ステップ予測エンコーダ-Gaussセグメントモデル【JST・京大機械翻訳】

One-step Predictive Encoder - Gaussian Segment Model for Time Series Anomaly Detection

著者 (4件)： Zhao Jiachen (Beijing Institute of Technology,Department of Automation,Beijing,China,100081) ,  Li Yongling (Beijing Jiaotong University,State Key Laboratory of Rail Traffic Control and Safety,Beijing,China,100041) ,  He Haibo (University of Rhode Island,Department of Electrical, Computer and Biomedical Engineering,Kingston,RI,02881) ,  Deng Fang (Beijing Institute of Technology,Department of Automation,Beijing,China,100081)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IJCNN  ページ： 1-7  発行年： 2020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： 時系列に対する教師なし異常検出は,Web監視,医療監視,および装置故障診断のような様々な応用に対して非常に重要である。時系列異常検出(TSAD)は,観測のシーケンスにおいて他のものと最も異なる観察を見つけることを目的とする。深層学習の開発によって,深い自動符号器ベースの方法は最先端の性能を達成する。これらの方法は,通常単一異常点を見つけることができるが,異常セグメントと変化点を検出することができない。この問題に取り組むために,本論文では,双方向LSTM(BiLSTM)オートエンコーダと,その後のGaussセグメンテーションモデルから成る,新しいTSAD法を提案した。BiLSTMは,正と負の時間方向の両方から予測形式で時系列を符号化し,次に潜在特徴ベクトルと再構成誤差を出力する。その後,潜在的特徴を用いて,Gaussセグメントモデルによって異常セグメントを見つけた。再構成誤差を用いて,スコアリング関数によって変化点と極端な単一異常を見つけた。この方法で,著者らの方法は3種類の異常点を見つけることができる。2つの実世界データセットに関する実験は,提案した方法の有効性を示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *符号器 ,  再構成 ,  特異点 ,  有効性 ,  Web【情報システム】
準シソーラス用語： 特徴ベクトル ,  異常検出 ,  深層学習 ,  スコア関数 ,  自己符号化器 ,  長短期記憶 , 【Automatic Indexing@JST】

分類 (5件)： 専用演算制御装置  (JC04030Y) ,  医用画像処理  (JE04020T) ,  音声処理  (JE05000E) ,  NMR一般  (BM07041R) ,  符号理論  (ND02030R)

タイトルに関連する用語 (6件)： 時系列 ,  異常検出 ,  予測 ,  エンコーダ ,  セグメント ,  モデル