論文の概要: Tuning a variational autoencoder for data accountability problem in the
Mars Science Laboratory ground data system
- arxiv url: http://arxiv.org/abs/2006.03962v1
- Date: Sat, 6 Jun 2020 20:25:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 21:32:34.825764
- Title: Tuning a variational autoencoder for data accountability problem in the
Mars Science Laboratory ground data system
- Title（参考訳）: 火星科学研究所地上データシステムにおけるデータアカウンタビリティ問題に対する変分オートエンコーダのチューニング
- Authors: Dounia Lakhmiri, Ryan Alimo and Sebastien Le Digabel
- Abstract要約: $Delta$-MADSは、欠落したパッチでデータを検出するために訓練された変分オートエンコーダのアーキテクチャをチューニングするために、デリバティブフリーの最適化手法である。
Delta$-MADSは、パッチを欠いたデータを検出するために訓練された変分オートエンコーダのアーキテクチャをチューニングするために、デリバティブフリーの最適化手法である。
- 参考スコア（独自算出の注目度）: 3.867363075280544
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Mars Curiosity rover is frequently sending back engineering and science
data that goes through a pipeline of systems before reaching its final
destination at the mission operations center making it prone to volume loss and
data corruption. A ground data system analysis (GDSA) team is charged with the
monitoring of this flow of information and the detection of anomalies in that
data in order to request a re-transmission when necessary. This work presents
$\Delta$-MADS, a derivative-free optimization method applied for tuning the
architecture and hyperparameters of a variational autoencoder trained to detect
the data with missing patches in order to assist the GDSA team in their
mission.
- Abstract（参考訳）: 火星探査機キュリオシティ(Mars Curiosity)は、ミッション運用センターで最終目的地に到達する前に、システムのパイプラインを通過するエンジニアリングと科学データを頻繁に送信している。
地上データシステム分析(GDSA)チームは、必要に応じて再送信を要求するために、この情報の流れの監視と、そのデータ内の異常の検出に責任を負う。
この研究は、GDSAチームのミッションを支援するために、不足パッチでデータを検出するために訓練された変分オートエンコーダのアーキテクチャとハイパーパラメータをチューニングするために、デリバティブフリーの最適化手法である$\Delta$-MADSを提示する。
関連論文リスト
- Progressing from Anomaly Detection to Automated Log Labeling and
Pioneering Root Cause Analysis [53.24804865821692]
本研究では、ログ異常の分類を導入し、ラベル付けの課題を軽減するために、自動ラベリングについて検討する。
この研究は、根本原因分析が異常検出に続く未来を予見し、異常の根本原因を解明する。
論文 参考訳（メタデータ） (2023-12-22T15:04:20Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳（メタデータ） (2023-04-27T20:21:18Z) - Towards Data-Efficient Detection Transformers [77.43470797296906]
我々は、ほとんどの検出トランスフォーマーが、小さなデータセットで大きなパフォーマンス低下に悩まされていることを示す。
我々はデータ効率に影響を与える要因を、データ効率のRCNNから代表DETRへのステップバイステップ遷移によって実証的に分析する。
本稿では,よりリッチな監視とデータ効率向上を目的とした,シンプルながら効果的なラベル拡張手法を提案する。
論文 参考訳（メタデータ） (2022-03-17T17:56:34Z) - Anomaly Detection for Unmanned Aerial Vehicle Sensor Data Using a
Stacked Recurrent Autoencoder Method with Dynamic Thresholding [0.3441021278275805]
本稿では,Long Short-Term Memory (LSTM) Deep Learning Autoencoderをベースとした,新しい動的しきい値決定アルゴリズムとUAVデータセットの異常検出のための重み付き損失関数を組み込んだシステムを提案する。
動的しきい値と重み付き損失関数は、精度関連性能指標と真の故障検出速度の両方において、標準静的しきい値法に有望な改善を示した。
論文 参考訳（メタデータ） (2022-03-09T14:16:14Z) - 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) - Anomaly Detection through Transfer Learning in Agriculture and
Manufacturing IoT Systems [4.193524211159057]
本稿では, 農作物に設置したセンサから, 7種類のセンサからのデータと, 振動センサを用いた先進的な製造試験からのデータを分析する。
これら2つのアプリケーション領域において、予測的障害分類がいかに達成され、予測的メンテナンスの道が開かれたかを示す。
論文 参考訳（メタデータ） (2021-02-11T02:37:27Z) - Data Mining with Big Data in Intrusion Detection Systems: A Systematic
Literature Review [68.15472610671748]
クラウドコンピューティングは、複雑で高性能でスケーラブルな計算のために、強力で必要不可欠な技術になっている。
データ生成の迅速化とボリュームは、データ管理とセキュリティに重大な課題をもたらし始めている。
ビッグデータ設定における侵入検知システム(IDS)の設計と展開が重要視されている。
論文 参考訳（メタデータ） (2020-05-23T20:57:12Z) - Anomaly Detection with SDAE [2.9447568514391067]
A Simple, Deep, and Supervised Deep Autoencoder were trained and comparison for anomaly detection over the ASHRAE building energy data。
ディープ・オートエンコーダが最も優れているが、スーパービジョンド・ディープ・オートエンコーダは検出された全異常において他のモデルよりも優れている。
論文 参考訳（メタデータ） (2020-04-09T07:22:08Z) - Anomaly Detection using Deep Autoencoders for in-situ Wastewater Systems
Monitoring Data [0.0]
本稿では, 深部自動エンコーダを用いた廃棄物システム監視データの異常検出手法を提案する。
そして、復号ステージの復元誤差に基づいて異常検出を行う。
論文 参考訳（メタデータ） (2020-02-07T09:53:46Z)
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。