Fugu-MT 論文翻訳(概要): Adversarially Learned Anomaly Detection on CMS Open Data: re-discovering the top quark

論文の概要: Adversarially Learned Anomaly Detection on CMS Open Data: re-discovering the top quark

arxiv url: http://arxiv.org/abs/2005.01598v2
Date: Sat, 3 Oct 2020 16:06:46 GMT
ステータス: 処理完了
システム内更新日: 2022-12-07 01:50:31.793077
Title: Adversarially Learned Anomaly Detection on CMS Open Data: re-discovering the top quark
Title（参考訳）: CMSオープンデータの逆学習による異常検出:トップクォークの再発見
Authors: Oliver Knapp and Guenther Dissertori and Olmo Cerri and Thong Q. Nguyen and Jean-Roch Vlimant and Maurizio Pierini
Abstract要約: 本研究では,大型ハドロン衝突における陽子-陽子衝突における新しい物理過程を検出する問題に対して,逆学習型異常検出(ALAD)アルゴリズムを適用した。データ駆動型異常検出とキャラクタリゼーションが実生活でどのように機能するかを示し、LHCにおけるt-tbar実験シグネチャの主な特徴を特定して、トップクォークを再発見する。
参考スコア（独自算出の注目度）: 2.81801804359635
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We apply an Adversarially Learned Anomaly Detection (ALAD) algorithm to the problem of detecting new physics processes in proton-proton collisions at the Large Hadron Collider. Anomaly detection based on ALAD matches performances reached by Variational Autoencoders, with a substantial improvement in some cases. Training the ALAD algorithm on 4.4 fb-1 of 8 TeV CMS Open Data, we show how a data-driven anomaly detection and characterization would work in real life, re-discovering the top quark by identifying the main features of the t-tbar experimental signature at the LHC.
Abstract（参考訳）: 大型ハドロン衝突型加速器における陽子-陽子衝突における新しい物理過程の検出問題に対して, 逆学習型異常検出(alad)アルゴリズムを適用した。 ALADに基づく異常検出は変分オートエンコーダが到達した性能と一致し、場合によっては大幅に改善されている。 8TeV CMS Open Dataの4.4fb-1でALADアルゴリズムをトレーニングし、LHCにおけるt-tbar実験シグネチャの主な特徴を識別してトップクォークを再発見し、データ駆動型異常検出と特徴付けが実際にどのように機能するかを示す。

関連論文リスト

Anomaly Detection of Tabular Data Using LLMs [54.470648484612866]
我々は,事前訓練された大規模言語モデル (LLM) がゼロショットバッチレベルの異常検出器であることを示す。本稿では,実異常検出におけるLCMの潜在性を明らかにするために,エンドツーエンドの微調整手法を提案する。
論文参考訳（メタデータ） (2024-06-24T04:17:03Z)
Qsco: A Quantum Scoring Module for Open-set Supervised Anomaly Detection [5.931953711154524]
複雑なデータ構造を扱う量子コンピューティングの最近の進歩と機械学習モデルの改善は、異常検出手法におけるパラダイムシフトを先導している。本研究では、量子変動回路をニューラルネットワークに埋め込み、不確実性やラベルなしデータを扱う際のモデルの処理能力を向上する量子スコーリングモジュール(Qsco)を提案する。
論文参考訳（メタデータ） (2024-05-25T22:37:43Z)
ADT: Agent-based Dynamic Thresholding for Anomaly Detection [4.356615197661274]
本稿では,エージェントベースの動的しきい値処理(ADT)フレームワークを提案する。本研究では,自動エンコーダを用いて特徴表現を取得し,複雑な入力データに対する異常スコアを生成する。 ADTはオートエンコーダの異常スコアを利用して閾値を適応的に調整することができる。
論文参考訳（メタデータ） (2023-12-03T19:07:30Z)
Bagged Regularized $k$-Distances for Anomaly Detection [9.899763598214122]
BRDAD (Bagged regularized $k$-distances for Anomaly Detection) と呼ばれる距離に基づく新しいアルゴリズムを提案する。我々のBRDADアルゴリズムは、重み付けされた密度推定のための$k$-distances(BWDDE)の実証的リスクの有限標本境界を最小化して重みを選択する。理論的には,我々のアルゴリズムに対するAUCの高速収束率を確立し,バッグング手法が計算複雑性を著しく減少させることを示す。
論文参考訳（メタデータ） (2023-12-02T07:00:46Z)
Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
論文参考訳（メタデータ） (2023-11-27T13:14:06Z)
NNG-Mix: Improving Semi-supervised Anomaly Detection with Pseudo-anomaly Generation [12.894612056122151]
異常検出は、複雑なシステムにおいて稀かつしばしば重要な事象を特定するのに不可欠である。半教師付きおよび教師付きアプローチは、そのようなラベル付きデータを活用することができ、パフォーマンスが向上する。ラベル付き異常とラベル付けされていない大量のデータに基づいて擬似異常を新たに生成するアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-11-20T17:38:35Z)
Are we certain it's anomalous? [57.729669157989235]
時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。 HypADは自己指導で入力信号を再構築する。
論文参考訳（メタデータ） (2022-11-16T21:31:39Z)
Canonical Polyadic Decomposition and Deep Learning for Machine Fault Detection [0.0]
マシンからあらゆる種類の障害を学ぶのに十分なデータを集めることは不可能である。健康状態のみのデータを用いてトレーニングされた新しいアルゴリズムを開発し、教師なしの異常検出を行った。これらのアルゴリズムの開発における重要な問題は、異常検出性能に影響を与える信号のノイズである。
論文参考訳（メタデータ） (2021-07-20T14:06:50Z)
Anomaly Detection Based on Selection and Weighting in Latent Space [73.01328671569759]
SWADと呼ばれる新しい選択および重み付けに基づく異常検出フレームワークを提案する。ベンチマークと実世界のデータセットによる実験は、SWADの有効性と優位性を示している。
論文参考訳（メタデータ） (2021-03-08T10:56:38Z)
ESAD: End-to-end Deep Semi-supervised Anomaly Detection [85.81138474858197]
正規データと異常データの間のKL偏差を計測する新たな目的関数を提案する。提案手法は,複数のベンチマークデータセットの最先端性能を著しく上回っている。
論文参考訳（メタデータ） (2020-12-09T08:16:35Z)
Toward Deep Supervised Anomaly Detection: Reinforcement Learning from Partially Labeled Anomaly Data [150.9270911031327]
本稿では,一部のラベル付き異常事例と大規模ラベルなしデータセットを用いた異常検出の問題点について考察する。既存の関連手法は、通常、一連の異常にまたがらない限られた異常例にのみ適合するか、ラベルのないデータから教師なしの学習を進めるかのいずれかである。そこで本研究では,ラベル付きおよびラベルなし両方の異常の検出をエンドツーエンドに最適化する,深層強化学習に基づくアプローチを提案する。
論文参考訳（メタデータ） (2020-09-15T03:05:39Z)

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。