論文の概要: Dimensionality Reduction and Anomaly Detection for CPPS Data using
Autoencoder
- arxiv url: http://arxiv.org/abs/2010.14957v1
- Date: Wed, 28 Oct 2020 13:16:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 05:47:20.834977
- Title: Dimensionality Reduction and Anomaly Detection for CPPS Data using
Autoencoder
- Title(参考訳): オートエンコーダを用いたCPPSデータの次元化と異常検出
- Authors: Benedikt Eiteneuer and Nemanja Hranisavljevic and Oliver Niggemann
- Abstract要約: CPPS異常検出法では,2つの側面が相補的である可能性が示唆された。
本研究では、DR/ADアプローチとして非線形オートエンコーダ(AE)に焦点を当てる。
このアプローチは、比較的単純で簡単なアプリケーションとともに、最先端の技術よりも優れています。
- 参考スコア(独自算出の注目度): 3.918927916284284
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Unsupervised anomaly detection (AD) is a major topic in the field of
Cyber-Physical Production Systems (CPPSs). A closely related concern is
dimensionality reduction (DR) which is: 1) often used as a preprocessing step
in an AD solution, 2) a sort of AD, if a measure of observation conformity to
the learned data manifold is provided.
We argue that the two aspects can be complementary in a CPPS anomaly
detection solution. In this work, we focus on the nonlinear autoencoder (AE) as
a DR/AD approach. The contribution of this work is: 1) we examine the
suitability of AE reconstruction error as an AD decision criterion in CPPS
data. 2) we analyze its relation to a potential second-phase AD approach in the
AE latent space 3) we evaluate the performance of the approach on three
real-world datasets. Moreover, the approach outperforms state-of-the-art
techniques, alongside a relatively simple and straightforward application.
- Abstract(参考訳): 非教師付き異常検出(AD)は、サイバー物理生産システム(CPPS)の分野における主要なトピックである。
密接に関連する関心事は、次元還元(DR)である。
1) 広告ソリューションにおける前処理ステップとしてよく用いられる。
2) 一種のadは、学習されたデータ多様体に対する観測の適合性の尺度を提供する。
CPPS異常検出法では2つの側面が相補的である可能性が示唆された。
本研究では,非線形オートエンコーダ(ae)をdr/adアプローチとして注目する。
この作品の貢献は次のとおりである。
1) CPPSデータにおけるAD判定基準としてのAE再構成誤差の適合性を検討する。
2) AE潜伏空間における潜在第2相ADアプローチとの関係を解析する。
3)3つの実世界のデータセットに対するアプローチの性能を評価する。
さらにこのアプローチは、比較的単純で簡単なアプリケーションとともに、最先端の技術よりも優れています。
関連論文リスト
- Learning Feature Inversion for Multi-class Anomaly Detection under General-purpose COCO-AD Benchmark [101.23684938489413]
異常検出(AD)は、しばしば産業品質検査や医学的病変検査のための異常の検出に焦点が当てられている。
この研究はまず、COCOをADフィールドに拡張することにより、大規模で汎用的なCOCO-ADデータセットを構築する。
セグメンテーション分野のメトリクスにインスパイアされた我々は、より実用的なしきい値に依存したAD固有のメトリクスをいくつか提案する。
論文 参考訳(メタデータ) (2024-04-16T17:38:26Z) - Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。
本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
論文 参考訳(メタデータ) (2024-01-06T07:30:41Z) - Cryo-forum: A framework for orientation recovery with uncertainty
measure with the application in cryo-EM image analysis [0.0]
本稿では,10次元特徴ベクトルを用いて方向を表現し,予測方向を単位四元数として導出し,不確実な距離で補足する擬似制約擬似プログラムを提案する。
本手法は,2次元Creo-EM画像からの向きをエンドツーエンドで効果的に復元することを示し,不確実性を含むことにより,データセットを3次元レベルで直接クリーンアップすることができる。
論文 参考訳(メタデータ) (2023-07-19T09:09:24Z) - RX-ADS: Interpretable Anomaly Detection using Adversarial ML for
Electric Vehicle CAN data [0.8208704543835964]
本稿では,EVにおけるCANプロトコル通信における侵入検出のための解釈可能な異常検出システム(RX-ADS)を提案する。
提案したアプローチは、OTIDSとCar Hackingの2つのベンチマークCANデータセットでテストされた。
RX-ADSアプローチはHIDSアプローチ(OTIDSデータセット)に匹敵するパフォーマンスを示し、HIDSおよびGIDSアプローチ(Car Hackingデータセット)より優れています。
論文 参考訳(メタデータ) (2022-09-05T16:49:11Z) - Data-Efficient and Interpretable Tabular Anomaly Detection [54.15249463477813]
本稿では,ホワイトボックスモデルクラスである一般化付加モデルを適用し,異常を検出する新しいフレームワークを提案する。
さらに、提案フレームワークであるDIADは、ラベル付きデータの少量を組み込んで、半教師付き設定における異常検出性能をさらに向上させることができる。
論文 参考訳(メタデータ) (2022-03-03T22:02:56Z) - The KFIoU Loss for Rotated Object Detection [115.334070064346]
本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。
具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。
KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
論文 参考訳(メタデータ) (2022-01-29T10:54:57Z) - A2Log: Attentive Augmented Log Anomaly Detection [53.06341151551106]
異常検出は、ITサービスの信頼性とサービス性にとってますます重要になる。
既存の教師なし手法は、適切な決定境界を得るために異常な例を必要とする。
我々は,異常判定と異常判定の2段階からなる教師なし異常検出手法であるA2Logを開発した。
論文 参考訳(メタデータ) (2021-09-20T13:40:21Z) - A Refined Inertial DCA for DC Programming [0.0]
目的関数がレベル境界である定常型(dc)プログラミング問題を考える。
古典的なDCアルゴリズム(DCA)は、ある種の問題を解決することで知られており、臨界点を返す。
そこで本研究では,2つの改良型DCA(RInDCA)を提案する。
論文 参考訳(メタデータ) (2021-04-30T04:21:57Z) - Dual Adversarial Auto-Encoders for Clustering [152.84443014554745]
教師なしクラスタリングのためのDual-AAE(Dual-AAE)を提案する。
Dual-AAEの目的関数に対する変分推論を行うことで,一対のオートエンコーダをトレーニングすることで最適化可能な新たな再構成損失を導出する。
4つのベンチマーク実験により、Dual-AAEは最先端のクラスタリング手法よりも優れた性能を発揮することが示された。
論文 参考訳(メタデータ) (2020-08-23T13:16:34Z)
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。