文献

J-GLOBAL ID：202202282927515397   整理番号：22A1114643

健康管理における小サンプル異常検出に関する加重IForestおよびSiamese GRU【JST・京大機械翻訳】

Weighted IForest and siamese GRU on small sample anomaly detection in healthcare

著者 (5件)： Wang Junfeng (School of Information Engineering, Zhengzhou University, Zhengzhou 450001, China) ,  Jia Yan (School of Information Engineering, Zhengzhou University, Zhengzhou 450001, China) ,  Wang Dongbo (School of Information Engineering, Zhengzhou University, Zhengzhou 450001, China) ,  Xiao Wenjing (School of Computer Science and Technology, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Wang Zhenfei (School of Information Engineering, Zhengzhou University, Zhengzhou 450001, China)
資料名： Computer Methods and Programs in Biomedicine  (Computer Methods and Programs in Biomedicine)
巻： 218  ページ： Null  発行年： 2022年 
JST資料番号： D0213C  ISSN： 0169-2607  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アイルランド (IRL)  言語： 英語 (EN)

抄録/ポイント： 【背景と目的】現在,深いニューラルネットワークを用いた大きなデータの異常検出において多くの成果がなされてきたが,多くの実際的応用シナリオにおいて,データの不足,手動データの注釈付けの大きすぎる作業負荷など,まだいくつかの問題がある。【方法】本論文は,小さなサンプル異常検出に関して,加重iForestとSiamese GRU(WIF-SGRU)アルゴリズムを提案した。データアノテーション段階において,ラベルなしデータの自動アノテーションのための重みづけIForestアルゴリズムを提案した。異常検出モデルの訓練フェーズにおいて,Siamese GRUは,異常モデルを得て,小さなサンプルデータのリアルタイム異常を検出するために,目標データを訓練するために提案した。【結果】提案したアルゴリズムを,6つの公開データセット(不整脈,シャトル,ステライト,Stt画像-2,リンパ造影,およびWBC)で検証した。実験結果は,従来のデータアノテーションと異常検出アルゴリズムと比較して,加重IForestとSiamese GRUのアルゴリズムが精度とリアルタイム性能を改良することを示した。結論:本論文は,加重IForestとSiamese GRUアルゴリズムアーキテクチャを提案して,それはデータの異常値検出のためのより正確で効率的な方法を提供した。まず第一に,フレームワークはラベルフリーデータをラベルするために改良IForestアルゴリズムを使用し,次に,Siamese GRUを改良FDA損失関数によって最適化して,最適化ネットワークを用いてリアルタイムと効率的異常検出のためのデータ間の距離を学習する。実験は,このフレームワークが良い可能性を有することを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *検出 ,  最適化 ,  損失関数 ,  ネットワーク ,  ニューラルネットワーク ,  不整脈 ,  *健康管理 ,  重みづけ ,  ステライト ,  アノテーション ,  フレームワーク【ソフトウェア開発】
準シソーラス用語： 実時間 ,  異常検出 ,  検出アルゴリズム ,  異常値検出 , 【Automatic Indexing@JST】

著者キーワード (6件)： 重み付きIForest ,  Siames GRU ,  小試料 ,  異常検出 ,  データアノテーション ,  健康管理

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (3件)： サンプル ,  異常検出 ,  加重