文献

J-GLOBAL ID：202102243933683934   整理番号：21A0234528

ストリーミングデータにおける異常検出のためのスパイキングニューラルネットワークベースの自動エンコーダ【JST・京大機械翻訳】

A Spiking Neural Network Based Auto-encoder for Anomaly Detection in Streaming Data

著者 (3件)： Stratton Peter (University of Technology, Sydney,School of Electrical and Data Eng.,Sydney,NSW,Australia,2007) ,  Wabnitz Andrew (Defence Science and Technology Group,Cyber and Electronic Warfare Division,Edinburgh,SA,Australia,5111) ,  Hamilton Tara Julia (University of Technology, Sydney,School of Electrical and Data Eng.,Sydney,NSW,Australia,2007)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SSCI  ページ： 1981-1988  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： 異常検出(AD)は,サイバーセキュリティ,健康分析,ロボット工学,防御およびビッグデータを含む応用の範囲に対して有用である。異常の検出の自動化は大量のデータを扱うのに必要であり,実時間処理制約を満たす。現在のマシン学習(ML)法は異常の自動検出にいくつかの成功を収めてきたが,任意のドメインに対して理想的なML解は見出されていない。新たなML技術であるスパイキングニューラルネットワーク(SNN)は,特に,低電力で,容易に適応し,自律で信頼性が高い必要のあるEdgeアプリケーションに対して,ADを良好に行う可能性を有する。ここでは,テキストのストリーム上で異常検出を行うSNNを研究した。SNNは異常特性シーケンスの検出に適しており,急速に学習でき,AD性能を改善できるSNNアーキテクチャと訓練に多くの最適化があることを示した。Copyright 2021 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： 最適化 ,  自動化 ,  学習 ,  信頼性 ,  *符号器 ,  実時間処理 ,  応用プログラム ,  計算機アーキテクチャ
準シソーラス用語： ロボット工学 ,  自動検出 ,  異常検出 ,  低電力化 ,  サイバーセキュリティ ,  ビッグデータ ,  *ストリーミングデータ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ストリーミングデータ ,  異常検出 ,  スパイキングニューラルネットワーク ,  エンコーダ