累積ラドン特徴による時系列異常検出【JST・京大機械翻訳】

Hoshen Yedid

プレプリント

J-GLOBAL ID：202202203664912654 整理番号：22P0286679

累積ラドン特徴による時系列異常検出【JST・京大機械翻訳】

Time Series Anomaly Detection by Cumulative Radon Features

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (1件)：
資料名：
発行年： 2022年02月08日プレプリントサーバーでの情報更新日： 2022年02月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

異常時系列の検出は,科学的,医療的および産業的タスクにとって重要であるが,その固有の教師なし特性のために困難である。近年,深層ニューラルネットワークを用いて,ますます複雑な特徴の学習により,このタスクに関する進展がなされてきた。本研究では,分布距離測度と組み合わせた場合,浅い特徴サフスを主張する。本手法は,各タイムポイントが単一サンプルを構成する特徴の高次元経験的分布として各時系列をモデル化する。テスト時系列と通常の訓練セット間の距離のモデリングは,多変量確率分布間の距離を効率的に測定する必要がある。累積Radon特徴を用いて各時系列をパラメータ化することにより,正常時系列の分布を効率的にモデル化できることを示した。理論的に接地されたが単純な実装アプローチを多重データセット上で評価し,確立された古典的方法および複雑な最先端の深層学習法よりも良い結果を達成することを示した。コードを提供した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , システム・制御理論一般

, , ,

前のページに戻る