文献

J-GLOBAL ID：202202264715074472   整理番号：22A0497062

リアルタイムデータストリーム上の異常を検出するための新しいエネルギーベースのオンライン逐次極値学習機械【JST・京大機械翻訳】

A novel energy-based online sequential extreme learning machine to detect anomalies over real-time data streams

著者 (4件)： Wang Xiaoping (Beijing Key Laboratory of Trusted Computing, Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Tu Shanshan (Beijing Key Laboratory of Trusted Computing, Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Zhao Wei (Beijing Electro-Mechanical Engineering Institute, Beijing, China) ,  Shi Chengjie (Institute of Information Engineering, Chinese Academy of Sciences, Beijing, China)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 34  号： 2  ページ： 823-831  発行年： 2022年 
JST資料番号： W0703A  ISSN： 0941-0643  資料種別： 逐次刊行物 (A)
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： データフロー学習アルゴリズムは,学習と予測シーケンスにおいて非常に効率的であった。データまたはイベントのシーケンスをモニターするモデルは,セクリークを予測でき,望ましい結果を最適に達成するような方法で作用できる。セキュリティとディジタルリスク追跡システムは,観測の一定で無制限の入力を受けている。これらのデータフローは,それらの特性が劇的に変化し,時間的に予測できないので,高い変動性によって特性化される。各入力例は一度だけ処理でき,小さなメモリインプリントで要約しなければならない。本論文は,情報システムのセキュリティに関連したデータフロー異常のリアルタイム検出のためのインテリジェントシステムの開発を提案した。特に,文献で初めて提案された効率的で高精度なエネルギーベースのオンライン逐次極端学習機械(e-b OSELM)の実現について述べた。それは,その変数の各構成に対する適合性(スケーラブルエネルギー)の尺度を適用することにより,データ依存性を検出できるインテリジェントモデルである。それは低エネルギーを正しい値に割り当て,発散(異常)により高いエネルギーを割り当てる。エネルギーモデルとELMの革新的組合せは,異常検出と同定のための高い学習速度,実行の容易さ,最小人間関与と最小計算電力と資源を提供する。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  電力 ,  *学習機械 ,  適応性 ,  トラッキング装置 ,  キャラクタリゼーション ,  セキュリティ ,  学習アルゴリズム
準シソーラス用語： インテリジェントシステム ,  高精度 ,  実時間 ,  異常検出 ,  *オンライン ,  データフロー ,  システムセキュリティ , 【Automatic Indexing@JST】

著者キーワード (6件)： エネルギーベースモデル ,  極限学習機械 ,  オンライン学習 ,  逐次学習 ,  ストリーム処理 ,  異常検出

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： リアルタイム ,  データストリーム ,  エネルギー ,  オンライン ,  逐次 ,  極値 ,  学習機械