Fugu-MT 論文翻訳(概要): Spectral CUSUM for Online Network Structure Change Detection

論文の概要: Spectral CUSUM for Online Network Structure Change Detection

arxiv url: http://arxiv.org/abs/1910.09083v8
Date: Thu, 16 Mar 2023 16:54:32 GMT
ステータス: 処理完了
システム内更新日: 2023-03-25 04:24:14.753047
Title: Spectral CUSUM for Online Network Structure Change Detection
Title（参考訳）: オンラインネットワーク構造変化検出のためのスペクトルCUSUM
Authors: Minghe Zhang, Liyan Xie, Yao Xie
Abstract要約: 本稿では、未知のネットワーク構造変化を検出するために、Spectral-CUSUMと呼ばれるオンライン変更検出アルゴリズムを提案する。スペクトルCUSUM法の平均走行距離(ARL)と予測検出遅延(EDD)を特徴付け,その最適性を示す。
参考スコア（独自算出の注目度）: 14.525631550607281
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Detecting abrupt changes in the community structure of a network from noisy observations is a fundamental problem in statistics and machine learning. This paper presents an online change detection algorithm called Spectral-CUSUM to detect unknown network structure changes through a generalized likelihood ratio statistic. We characterize the average run length (ARL) and the expected detection delay (EDD) of the Spectral-CUSUM procedure and prove its asymptotic optimality. Finally, we demonstrate the good performance of the Spectral-CUSUM procedure and compare it with several baseline methods using simulations and real data examples on seismic event detection using sensor network data.
Abstract（参考訳）: 騒々しい観測からネットワークのコミュニティ構造の急激な変化を検出することは、統計学と機械学習の基本的な問題である。本稿では,一般確率比統計を用いて未知のネットワーク構造変化を検出するために,spectrum-cusumと呼ばれるオンライン変化検出アルゴリズムを提案する。スペクトルCUSUM法における平均ラン長(ARL)と予測検出遅延(EDD)を特徴付け,その漸近的最適性を証明する。最後に, センサネットワークデータを用いた地震イベント検出におけるシミュレーションと実データ例を用いて, スペクトル・キュースム法の性能を複数のベースライン法と比較する。

関連論文リスト

Reproduction of scan B-statistic for kernel change-point detection algorithm [10.49860279555873]
変化点検出は、幅広い応用のために大きな注目を集めている。本稿では,カーネルベースの効率的なスキャンB統計に基づくオンライン変更点検出アルゴリズムを最近提案した。数値実験により, 走査型B統計が常に優れた性能を発揮することが示された。
論文参考訳（メタデータ） (2024-08-23T15:12:31Z)
Partially-Observable Sequential Change-Point Detection for Autocorrelated Data via Upper Confidence Region [12.645304808491309]
逐次変化点検出のための状態空間モデル(AUCRSS)を用いたアダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・ SSMのオンライン推論のために部分的に観測可能なカルマンフィルタアルゴリズムを開発し、一般化された確率比テストに基づく変化点検出スキームを解析する。
論文参考訳（メタデータ） (2024-03-30T02:32:53Z)
An Evaluation of Real-time Adaptive Sampling Change Point Detection Algorithm using KCUSUM [4.610597418629838]
本稿では,Kernel-based Cumulative Sum (KCUSUM)アルゴリズムを導入し,従来のCumulative Sum (CUSUM) 法を非パラメトリック拡張する。 KCUSUMは、入ってくるサンプルを参照サンプルと直接比較することで自身を分割し、最大平均離散(MMD)非パラメトリックフレームワークに基礎を置く統計を計算する。我々は,NWChem CODARやタンパク質折り畳みデータなどの科学シミュレーションによる実世界のユースケースについて論じ,オンライン変化点検出におけるKCUSUMの有効性を実証した。
論文参考訳（メタデータ） (2024-02-15T19:45:24Z)
GIT: Detecting Uncertainty, Out-Of-Distribution and Adversarial Samples using Gradients and Invariance Transformations [77.34726150561087]
本稿では,ディープニューラルネットワークにおける一般化誤差検出のための総合的アプローチを提案する。 GITは勾配情報と不変変換の利用を組み合わせる。本実験は,各種ネットワークアーキテクチャの最先端技術と比較して,GITの優れた性能を示すものである。
論文参考訳（メタデータ） (2023-07-05T22:04:38Z)
Leveraging a Probabilistic PCA Model to Understand the Multivariate Statistical Network Monitoring Framework for Network Security Anomaly Detection [64.1680666036655]
確率的生成モデルの観点からPCAに基づく異常検出手法を再検討する。 2つの異なるデータセットを用いて数学的モデルを評価した。
論文参考訳（メタデータ） (2023-02-02T13:41:18Z)
Neural network-based CUSUM for online change-point detection [17.098858682219866]
オンライン変更点検出のためのニューラルネットワークCUSUM(NN-CUSUM)を提案する。トレーニングされたニューラルネットワークが変化点検出を行うことができる場合の一般的な理論的条件を示す。 NN-CUSUMの強い性能は、高次元データにおける変化点の検出において実証される。
論文参考訳（メタデータ） (2022-10-31T16:47:11Z)
A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文参考訳（メタデータ） (2022-09-23T06:09:35Z)
SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
論文参考訳（メタデータ） (2021-06-10T04:21:20Z)
Optimal Sequential Detection of Signals with Unknown Appearance and Disappearance Points in Time [64.26593350748401]
本論文は、変化の期間が有限で未知であると仮定して、逐次的な変化点検出問題に対処する。我々は、所定の時間(または空間)ウィンドウにおける最小検出確率を最大化する信頼性の高い最大変更検出基準に焦点を当てる。 FMAアルゴリズムは、光学画像中の衛星のかすかなストリークを検出するために応用される。
論文参考訳（メタデータ） (2021-02-02T04:58:57Z)
Partially Observable Online Change Detection via Smooth-Sparse Decomposition [16.8028358824706]
本研究は,センサ容量の制限により,各センシング時点におけるデータストリームのサブセットのみを観測できる,疎度な変化を伴う高次元データストリームのオンライン変化検出について考察する。一方、検出方式は、部分的に観測可能なデータを扱うことができ、一方、スパース変化に対する効率的な検出能力を有するべきである。本稿では,CDSSDと呼ばれる新しい検出手法を提案する。特にスムーズな分解によるスムーズな変化を伴う高次元データの構造について述べる。
論文参考訳（メタデータ） (2020-09-22T16:03:04Z)
Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文参考訳（メタデータ） (2020-08-05T19:29:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。