Fugu-MT 論文翻訳(概要): Efficient Nonlinear RX Anomaly Detectors

論文の概要: Efficient Nonlinear RX Anomaly Detectors

arxiv url: http://arxiv.org/abs/2012.05799v1
Date: Mon, 7 Dec 2020 21:57:54 GMT
ステータス: 処理完了
システム内更新日: 2021-05-16 21:33:45.246125
Title: Efficient Nonlinear RX Anomaly Detectors
Title（参考訳）: 効率的な非線形RX異常検出器
Authors: Jos\'e A. Padr\'on Hidalgo, Adri\'an P\'erez-Suay, Fatih Nar, and Gustau Camps-Valls
Abstract要約: 異常検出のための標準カーネルReed-Xiaoli(RX)の効率向上のための2種類の手法を提案する。その結果,提案手法は計算コストが低く,標準カーネルrxアルゴリズムと同様の性能(性能)を持つことがわかった。
参考スコア（独自算出の注目度）: 7.762712532657168
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Current anomaly detection algorithms are typically challenged by either accuracy or efficiency. More accurate nonlinear detectors are typically slow and not scalable. In this letter, we propose two families of techniques to improve the efficiency of the standard kernel Reed-Xiaoli (RX) method for anomaly detection by approximating the kernel function with either {\em data-independent} random Fourier features or {\em data-dependent} basis with the Nystr\"om approach. We compare all methods for both real multi- and hyperspectral images. We show that the proposed efficient methods have a lower computational cost and they perform similar (or outperform) the standard kernel RX algorithm thanks to their implicit regularization effect. Last but not least, the Nystr\"om approach has an improved power of detection.
Abstract（参考訳）: 現在の異常検出アルゴリズムは、通常、精度か効率のどちらかによって挑戦される。より正確な非線形検出器は一般的に遅く、拡張性がない。本稿では、Nystr\omアプローチを用いてカーネル関数をランダムなフーリエ特徴で近似し、異常検出のための標準カーネルReed-Xiaoli(RX)法の効率を改善するための2種類の手法を提案する。実際のマルチスペクトル画像とハイパースペクトル画像の比較を行う。その結果,提案手法は計算コストが低く,暗黙的正規化効果により標準カーネル rx アルゴリズムに類似する(あるいは上回る)ことが判明した。最後に重要なこととして、Nystr\"omアプローチは検出の能力が改善されている。

関連論文リスト

Stochastic Optimization for Non-convex Problem with Inexact Hessian Matrix, Gradient, and Function [99.31457740916815]
信頼領域(TR)と立方体を用いた適応正則化は、非常に魅力的な理論的性質を持つことが証明されている。 TR法とARC法はヘッセン関数,勾配関数,関数値の非コンパクトな計算を同時に行うことができることを示す。
論文参考訳（メタデータ） (2023-10-18T10:29:58Z)
Low-rank extended Kalman filtering for online learning of neural networks from streaming data [71.97861600347959]
非定常データストリームから非線形関数のパラメータを推定するための効率的なオンライン近似ベイズ推定アルゴリズムを提案する。この方法は拡張カルマンフィルタ (EKF) に基づいているが、新しい低ランク+斜角行列分解法を用いている。変分推論に基づく手法とは対照的に,本手法は完全に決定論的であり,ステップサイズチューニングを必要としない。
論文参考訳（メタデータ） (2023-05-31T03:48:49Z)
Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文参考訳（メタデータ） (2023-02-13T19:57:17Z)
Towards Large Certified Radius in Randomized Smoothing using Quasiconcave Optimization [3.5133481941064164]
本研究では,疑似固定問題構造を利用することで,計算オーバーヘッドの少ないほとんどのデータポイントに対して最適な認証ラジイを求めることができることを示す。これにより、効率的で効果的な入力特化ランダム化平滑化アルゴリズムが実現される。
論文参考訳（メタデータ） (2023-02-01T03:25:43Z)
RFFNet: Large-Scale Interpretable Kernel Methods via Random Fourier Features [3.0079490585515347]
RFFNetは1次最適化によってカーネルの関連性をリアルタイムで学習するスケーラブルな手法である。提案手法はメモリフットプリントが小さく,実行時,予測誤差が低く,関連する特徴を効果的に識別できることを示す。私たちは、Scikit-learn標準APIと結果を完全に再現するためのコードに準拠した、効率的でPyTorchベースのライブラリをユーザに提供します。
論文参考訳（メタデータ） (2022-11-11T18:50:34Z)
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)
Linear Time Kernel Matrix Approximation via Hyperspherical Harmonics [3.24890820102255]
機械学習のカーネル手法で発生する行列の低ランク近似を構築するための新しい手法を提案する。提案手法では,基礎となるカーネル関数の解析的拡張をデータ依存圧縮ステップと組み合わせて,近似をさらに最適化する。実験の結果,提案手法は,与えられたランクの精度と,与えられた精度の計算時間の両方に関して,カーネル,次元,データセットにまたがってよく用いられるNystrom法と比較した。
論文参考訳（メタデータ） (2022-02-08T05:19:39Z)
Sparse PCA via $l_{2,p}$-Norm Regularization for Unsupervised Feature Selection [138.97647716793333]
再構成誤差を$l_2,p$ノルム正規化と組み合わせることで,単純かつ効率的な特徴選択手法を提案する。提案する非教師付きモデルを解くための効率的な最適化アルゴリズムを提案し,アルゴリズムの収束と計算の複雑さを理論的に解析する。
論文参考訳（メタデータ） (2020-12-29T04:08:38Z)
Randomized RX for target detection [8.480205772461927]
この研究は、よく知られたグローバルRX法によるターゲット検出問題に対処する。本稿では,カーネル rx のガウス核を近似するランダムフーリエ特徴を提案する。合成および実世界の画像ターゲット検出問題に対する結果から,提案手法の空間と時間効率を示す。
論文参考訳（メタデータ） (2020-12-08T19:18:49Z)
Kernel k-Means, By All Means: Algorithms and Strong Consistency [21.013169939337583]
Kernel $k$クラスタリングは、非線形データの教師なし学習のための強力なツールである。本稿では,最適化された局所解に対処するための一般的な手法を応用した結果を一般化する。我々のアルゴリズムは、この非線形分離問題をよりよく解くために、Magricalization-minimization (MM) を利用している。
論文参考訳（メタデータ） (2020-11-12T16:07:18Z)
Single-Timescale Stochastic Nonconvex-Concave Optimization for Smooth Nonlinear TD Learning [145.54544979467872]
本稿では,各ステップごとに1つのデータポイントしか必要としない2つの単一スケールシングルループアルゴリズムを提案する。本研究の結果は, 同時一次および二重側収束の形で表される。
論文参考訳（メタデータ） (2020-08-23T20:36:49Z)

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。