Fugu-MT 論文翻訳(概要): A comparison of classical and variational autoencoders for anomaly detection

論文の概要: A comparison of classical and variational autoencoders for anomaly detection

arxiv url: http://arxiv.org/abs/2009.13793v1
Date: Tue, 29 Sep 2020 05:58:31 GMT
ステータス: 処理完了
システム内更新日: 2022-10-13 06:38:57.176648
Title: A comparison of classical and variational autoencoders for anomaly detection
Title（参考訳）: 異常検出のための古典的および変分的オートエンコーダの比較
Authors: Fabrizio Patuzzo
Abstract要約: 本稿では,古典型および変分型オートエンコーダを異常検出の文脈で解析・比較する。アーキテクチャと機能をよりよく理解するために、それらの特性を説明し、パフォーマンスを比較する。傾きのあるラインを再構築する、という単純な問題に対処する方法を探求するものだ。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper analyzes and compares a classical and a variational autoencoder in the context of anomaly detection. To better understand their architecture and functioning, describe their properties and compare their performance, it explores how they address a simple problem: reconstructing a line with a slope.
Abstract（参考訳）: 本稿では,古典型および変分型オートエンコーダを異常検出の文脈で解析・比較する。アーキテクチャと機能をよりよく理解し、それらの特性を説明し、パフォーマンスを比較するために、単純な問題にどのように対処するかを探求する。

関連論文リスト

A Hierarchically Feature Reconstructed Autoencoder for Unsupervised Anomaly Detection [8.512184778338806]
それは、階層的な特徴表現を抽出するための十分に訓練されたエンコーダと、これらの中間的特徴をエンコーダから再構成するデコーダで構成されている。復号器が機能再構成に失敗すると異常を検知し、階層的特徴再構成の誤差を異常マップに集約して異常局所化を実現する。実験の結果,提案手法はMNIST, Fashion-MNIST, CIFAR-10, MVTec異常検出データセットにおいて,最先端の手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2024-05-15T07:20:27Z)
Classic algorithms are fair learners: Classification Analysis of natural weather and wildfire occurrences [0.0]
本稿では,決定木,ブースティング,サポートベクトルマシン,k-nearest Neighbors,浅部ニューラルネットワークなど,広く使われている古典的教師あり学習アルゴリズムの実証機能について概説する。
論文参考訳（メタデータ） (2023-09-04T06:11:55Z)
Reconstruction Error-based Anomaly Detection with Few Outlying Examples [1.011824113969195]
本研究では,正規データのドメイン記述の外部に既知の異常を配置するようにモデルに指示する,再構成エラーに基づくアーキテクチャのアプローチについて検討する。特に,本手法では,正常例と未知例の双方に関連のある再現誤差の対比を増大させるために,限られた数の異常例を利用する。
論文参考訳（メタデータ） (2023-05-17T08:20:29Z)
Deep Autoencoders for Anomaly Detection in Textured Images using CW-SSIM [5.042611743157464]
複素ウェーブレット構造類似度(CW-SSIM)に基づく損失関数の適用により,この種の画像に対して優れた検出性能が得られることを示す。既知の異常検出ベンチマーク実験により,この損失関数で訓練した単純なモデルにより,最先端の手法に匹敵する,あるいは優れた性能が得られることが示された。
論文参考訳（メタデータ） (2022-08-30T08:01:25Z)
ARES: Locally Adaptive Reconstruction-based Anomaly Scoring [25.707159917988733]
本研究では, 異常スコアリング関数が, 正常サンプルの範囲にわたる復元誤差の自然な変動に適応しないことを示す。本稿では,適応的再構成誤りに基づくスコーリング手法を提案する。
論文参考訳（メタデータ） (2022-06-15T15:35:12Z)
Amortized Inference for Causal Structure Learning [72.84105256353801]
因果構造を学習することは、通常、スコアまたは独立テストを使用して構造を評価することを伴う探索問題を引き起こす。本研究では,観測・干渉データから因果構造を予測するため,変分推論モデルを訓練する。我々のモデルは、実質的な分布シフトの下で頑健な一般化能力を示す。
論文参考訳（メタデータ） (2022-05-25T17:37:08Z)
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)
Autoencoding Variational Autoencoder [56.05008520271406]
我々は,この行動が学習表現に与える影響と,自己整合性の概念を導入することでそれを修正する結果について検討する。自己整合性アプローチで訓練されたエンコーダは、敵攻撃による入力の摂動に対して頑健な(無神経な)表現につながることを示す。
論文参考訳（メタデータ） (2020-12-07T14:16:14Z)
Pairwise Supervised Hashing with Bernoulli Variational Auto-Encoder and Self-Control Gradient Estimator [62.26981903551382]
バイナリ潜在変数を持つ変分自動エンコーダ(VAE)は、文書検索の精度の観点から最先端のパフォーマンスを提供する。本稿では、クラス内類似度とクラス間類似度に報いるために、個別潜伏型VAEを用いたペアワイズ損失関数を提案する。この新しいセマンティックハッシュフレームワークは、最先端技術よりも優れたパフォーマンスを実現する。
論文参考訳（メタデータ） (2020-05-21T06:11:33Z)
Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。我々は,再建基準の代替として,異常スコアの代替尺度を提案した。提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
論文参考訳（メタデータ） (2020-03-24T08:26:58Z)
Total Deep Variation for Linear Inverse Problems [71.90933869570914]
本稿では,近年のアーキテクチャ設計パターンを深層学習から活用する,学習可能な汎用正規化手法を提案する。本稿では,古典的画像復元と医用画像再構成問題に対する最先端の性能について述べる。
論文参考訳（メタデータ） (2020-01-14T19:01:50Z)

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。