Fugu-MT 論文翻訳(概要): Online Neural Networks for Change-Point Detection

論文の概要: Online Neural Networks for Change-Point Detection

arxiv url: http://arxiv.org/abs/2010.01388v1
Date: Sat, 3 Oct 2020 16:55:59 GMT
ステータス: 処理完了
システム内更新日: 2022-10-11 08:34:51.384387
Title: Online Neural Networks for Change-Point Detection
Title（参考訳）: 変化点検出のためのオンラインニューラルネットワーク
Authors: Mikhail Hushchyn, Kenenbek Arzymatov, Denis Derkach
Abstract要約: ニューラルネットワークに基づく2つのオンライン変更点検出手法を提案する。様々な合成および実世界のデータセット上で最もよく知られたアルゴリズムと比較する。
参考スコア（独自算出の注目度）: 0.6015898117103069
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Moments when a time series changes its behaviour are called change points. Detection of such points is a well-known problem, which can be found in many applications: quality monitoring of industrial processes, failure detection in complex systems, health monitoring, speech recognition and video analysis. Occurrence of change point implies that the state of the system is altered and its timely detection might help to prevent unwanted consequences. In this paper, we present two online change-point detection approaches based on neural networks. These algorithms demonstrate linear computational complexity and are suitable for change-point detection in large time series. We compare them with the best known algorithms on various synthetic and real world data sets. Experiments show that the proposed methods outperform known approaches.
Abstract（参考訳）: 時系列が変化したときのモーメントは変化点と呼ばれる。このような点の検出はよく知られた問題であり、産業プロセスの品質モニタリング、複雑なシステムにおける障害検出、健康モニタリング、音声認識、ビデオ分析など多くのアプリケーションで見られる。変更点の発生は、システムの状態が変更され、そのタイムリーな検出が望ましくない結果を防ぐのに役立つことを意味する。本稿では,ニューラルネットワークに基づく2つのオンライン変更点検出手法を提案する。これらのアルゴリズムは線形計算複雑性を示し、大規模時系列における変化点検出に適している。様々な合成および実世界のデータセット上で最もよく知られたアルゴリズムと比較する。実験の結果,提案手法は既知の手法よりも優れていた。

関連論文リスト

Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
論文参考訳（メタデータ） (2024-01-11T10:10:16Z)
Change points detection in crime-related time series: an on-line fuzzy approach based on a shape space representation [0.0]
本稿では,犯罪関連時系列における変化点の検出と問合せを行うオンライン手法を提案する。この手法は、非常に低い計算コストで変化点を正確に検出することができる。
論文参考訳（メタデータ） (2023-12-18T10:49:03Z)
Online Change Points Detection for Linear Dynamical Systems with Finite Sample Guarantees [1.6026317505839445]
本研究では,未知の力学を持つ線形力学系に対するオンライン変化点検出問題について検討する。我々は,誤報を発生させる確率に基づいて,予め指定された上限を達成できるデータ依存しきい値を開発する。
論文参考訳（メタデータ） (2023-11-30T18:08:16Z)
Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文参考訳（メタデータ） (2023-04-21T02:20:24Z)
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)
Latent Neural Stochastic Differential Equations for Change Point Detection [0.6445605125467574]
SDE(Latent Neural Differential Equations)に基づく新しい変化点検出アルゴリズムを提案する。本手法は,プロセスから潜在空間への非線形な深層学習変換を学習し,時間とともにその進化を記述するSDEを推定する。このアルゴリズムは、学習したプロセスの確率比を異なるタイムスタンプで使い、プロセスの変化点を見つける。
論文参考訳（メタデータ） (2022-08-22T13:53:13Z)
E-detectors: a nonparametric framework for sequential change detection [86.15115654324488]
逐次的変化検出のための基本的かつ汎用的なフレームワークを開発する。私たちの手順は、平均走行距離のクリーンで無症状な境界が伴います。統計的および計算効率の両方を達成するために,これらの混合物を設計する方法を示す。
論文参考訳（メタデータ） (2022-03-07T17:25:02Z)
Online Changepoint Detection on a Budget [5.077509096253692]
変更ポイントは、基礎となるデータの分布の急激なバリエーションである。本稿では,オフラインの切替点検出アルゴリズムと比較したオンライン切替点検出アルゴリズムを提案する。
論文参考訳（メタデータ） (2022-01-11T00:20:33Z)
A Novel Anomaly Detection Algorithm for Hybrid Production Systems based on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文参考訳（メタデータ） (2020-10-29T08:27:43Z)
Sequential Changepoint Detection in Neural Networks with Checkpoints [11.763229353978321]
本稿では,オンライン変化点検出と同時モデル学習のためのフレームワークを提案する。次々に一般化された確率比テストを行うことにより、経時的に変化点を検出する。オンラインベイズ変化点検出と比較して性能が向上した。
論文参考訳（メタデータ） (2020-10-06T21:49:54Z)
Change Point Detection in Time Series Data using Autoencoders with a Time-Invariant Representation [69.34035527763916]
変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
論文参考訳（メタデータ） (2020-08-21T15:03:21Z)

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。