論文の概要: Hardware Architecture Proposal for TEDA algorithm to Data Streaming Anomaly Detection

• arxiv url: http://arxiv.org/abs/2003.03837v1
• Date: Sun, 8 Mar 2020 19:28:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-25 14:47:08.856397
• Title: Hardware Architecture Proposal for TEDA algorithm to Data Streaming Anomaly Detection
• Title（参考訳）: データストリーミング異常検出のためのtedaアルゴリズムのハードウェアアーキテクチャの提案
• Authors: Lucileide M. D. da Silva, Maria G. F. Coutinho, Carlos E. B. Santos, Mailson R. Santos, Luiz Affonso Guedes, M. Dolores Ruiz, Marcelo A. C. Fernandes
• Abstract要約: 本論文では、FPGA(Field Programmable Gate Arrays)上に実装された、典型性と偏心性データ分析(TEDA)アルゴリズムのためのハードウェアアーキテクチャを提案する。 TEDAは、データストリームコンテキストにおける外れ値検出の新しいアプローチに基づいている。 このプロジェクトは、ターゲットFPGAとしてXilinx Virtex-6 xc6vlx240t-1ff1156を目標としている。
• 参考スコア（独自算出の注目度）: 1.4072064932290225
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The amount of data in real-time, such as time series and streaming data, available today continues to grow. Being able to analyze this data the moment it arrives can bring an immense added value. However, it also requires a lot of computational effort and new acceleration techniques. As a possible solution to this problem, this paper proposes a hardware architecture for Typicality and Eccentricity Data Analytic (TEDA) algorithm implemented on Field Programmable Gate Arrays (FPGA) for use in data streaming anomaly detection. TEDA is based on a new approach to outlier detection in the data stream context. In order to validate the proposals, results of the occupation and throughput of the proposed hardware are presented. Besides, the bit accurate simulation results are also presented. The project aims to Xilinx Virtex-6 xc6vlx240t-1ff1156 as the target FPGA.
• Abstract（参考訳）: 今日利用可能な時系列データやストリーミングデータなど、リアルタイムのデータ量は増え続けている。 到着した瞬間にこのデータを分析できることは、大きな付加価値をもたらす可能性がある。 しかし、多くの計算努力と新しい加速技術も必要である。 そこで本研究では,データストリーミング異常検出のために,FPGA(Field Programmable Gate Arrays)上に実装された定型性と偏心性データ解析(TEDA)アルゴリズムのハードウェアアーキテクチャを提案する。 TEDAは、データストリームコンテキストにおける外れ値検出の新しいアプローチに基づいている。 提案の有効性を検証するために,提案するハードウェアの占有率とスループットについて述べる。 また,シミュレーション結果の精度も高めている。 xilinx virtex-6 xc6vlx240t-1ff1156をターゲットとするプロジェクトである。

関連論文リスト

• Gradient Backpropagation based Feature Attribution to Enable Explainable-AI on the Edge [1.7338677787507768]
  そこで本研究では,勾配バックプロパゲーションに基づく特徴属性アルゴリズムのデータフローを解析し,推論に要するリソースのオーバーヘッドを推定する。 我々は,エッジデバイスを対象とした高レベル合成(HLS)に基づくFPGA設計を開発し,3つの特徴帰属アルゴリズムをサポートする。 提案手法は,最小限のオーバーヘッドで特徴属性をサポートするために推論アクセラレータを再利用し,エッジ上でのリアルタイムXAIを実現する経路を示す。
  論文  参考訳（メタデータ） (2022-10-19T22:58:59Z)
• 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)
• Topological Signal Processing using the Weighted Ordinal Partition Network [1.9594639581421422]
  トポロジカルデータ分析(TDA)は、データの形状と構造に関する情報を符号化する。 近年、トポロジカル信号処理(TSP)として知られる信号処理タスクにTDAのツールを活用するというアイデアが注目されている。 本稿では,重み付きOPNをTDAで解析するパイプラインを構築する。
  論文  参考訳（メタデータ） (2022-04-27T18:01:18Z)
• Are we ready for beyond-application high-volume data? The Reeds robot perception benchmark dataset [3.781421673607643]
  本稿ではロボット認識アルゴリズムの研究のためにReedsと呼ばれるデータセットを提案する。 このデータセットは、アプリケーション固有のソリューションをテストする環境を提供するのではなく、アルゴリズムに要求されるベンチマーク機会を提供することを目的としている。
  論文  参考訳（メタデータ） (2021-09-16T23:21:42Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• Providing Meaningful Data Summarizations Using Examplar-based Clustering in Industry 4.0 [67.80123919697971]
  我々は,従来のCPUアルゴリズムと比較して,一精度で最大72倍,半精度で最大452倍の高速化を実現していることを示す。 提案アルゴリズムは射出成形プロセスから得られた実世界のデータに適用し, 得られたサマリーが, コスト削減と不良部品製造の削減のために, この特定のプロセスのステアリングにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2021-05-25T15:55:14Z)
• Motion Vector Extrapolation for Video Object Detection [0.0]
  MOVEXは、一般的なCPUベースのシステムで低レイテンシのビデオオブジェクト検出を可能にする。 提案手法は,任意の対象検出器のベースライン遅延を著しく低減することを示す。 さらなるレイテンシ低減は、元のレイテンシよりも最大25倍低いもので、最小限の精度で達成できる。
  論文  参考訳（メタデータ） (2021-04-18T17:26:37Z)
• Deep Cellular Recurrent Network for Efficient Analysis of Time-Series Data with Spatial Information [52.635997570873194]
  本研究では,空間情報を用いた複雑な多次元時系列データを処理するための新しいディープセルリカレントニューラルネットワーク(DCRNN)アーキテクチャを提案する。 提案するアーキテクチャは,文献に比較して,学習可能なパラメータをかなり少なくしつつ,最先端の性能を実現している。
  論文  参考訳（メタデータ） (2021-01-12T20:08:18Z)
• Contextual-Bandit Anomaly Detection for IoT Data in Distributed Hierarchical Edge Computing [65.78881372074983]
  IoTデバイスは複雑なディープニューラルネットワーク(DNN)モデルにはほとんど余裕がなく、異常検出タスクをクラウドにオフロードすることは長い遅延を引き起こす。 本稿では,分散階層エッジコンピューティング(HEC)システムを対象とした適応型異常検出手法のデモと構築を行う。 提案手法は,検出タスクをクラウドにオフロードした場合と比較して,精度を犠牲にすることなく検出遅延を著しく低減することを示す。
  論文  参考訳（メタデータ） (2020-04-15T06:13:33Z)
• Adaptive Anomaly Detection for IoT Data in Hierarchical Edge Computing [71.86955275376604]
  本稿では,階層型エッジコンピューティング(HEC)システムに対する適応型異常検出手法を提案する。 本研究では,入力データから抽出した文脈情報に基づいてモデルを選択する適応的手法を設計し,異常検出を行う。 提案手法を実際のIoTデータセットを用いて評価し,検出タスクをクラウドにオフロードするのとほぼ同じ精度を維持しながら,検出遅延を84%削減できることを実証した。
  論文  参考訳（メタデータ） (2020-01-10T05:29:17Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。