論文の概要: Optimal Sequential Detection of Signals with Unknown Appearance and Disappearance Points in Time

• arxiv url: http://arxiv.org/abs/2102.01310v1
• Date: Tue, 2 Feb 2021 04:58:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-04 12:07:24.426841
• Title: Optimal Sequential Detection of Signals with Unknown Appearance and Disappearance Points in Time
• Title（参考訳）: 未知の出現点と不出現点を持つ信号の時間内最適逐次検出
• Authors: Alexander G. Tartakovsky, Nikita R. Berenkov, Alexei E. Kolessa, and Igor V. Nikiforov
• Abstract要約: 本論文は、変化の期間が有限で未知であると仮定して、逐次的な変化点検出問題に対処する。 我々は、所定の時間(または空間)ウィンドウにおける最小検出確率を最大化する信頼性の高い最大変更検出基準に焦点を当てる。 FMAアルゴリズムは、光学画像中の衛星のかすかなストリークを検出するために応用される。
• 参考スコア（独自算出の注目度）: 64.26593350748401
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The paper addresses a sequential changepoint detection problem, assuming that the duration of change may be finite and unknown. This problem is of importance for many applications, e.g., for signal and image processing where signals appear and disappear at unknown points in time or space. In contrast to the conventional optimality criterion in quickest change detection that requires minimization of the expected delay to detection for a given average run length to a false alarm, we focus on a reliable maximin change detection criterion of maximizing the minimal probability of detection in a given time (or space) window for a given local maximal probability of false alarm in the prescribed window. We show that the optimal detection procedure is a modified CUSUM procedure. We then compare operating characteristics of this optimal procedure with popular in engineering the Finite Moving Average (FMA) detection algorithm and the ordinary CUSUM procedure using Monte Carlo simulations, which show that typically the later algorithms have almost the same performance as the optimal one. At the same time, the FMA procedure has a substantial advantage -- independence to the intensity of the signal, which is usually unknown. Finally, the FMA algorithm is applied to detecting faint streaks of satellites in optical images.
• Abstract（参考訳）: 本論文は,変化の持続時間が有限かつ未知であると仮定して,逐次的な変化点検出問題に対処する。 この問題は、信号や画像処理など、時間や空間の未知の点に信号が現れて消滅する多くのアプリケーションにとって重要である。 与えられた平均走行距離の検出までの遅延を誤報に最小化する必要がある最短変化検出における従来の最適度基準とは対照的に、所定のウィンドウにおける誤報の局所最大確率に対する所定の時間(または空間)ウィンドウにおける検出の最小確率を最大化する信頼性の高い最大変化検出基準に焦点を当てる。 最適な検出手順は、変更されたCUSUM手順であることを示します。 次に、この最適手順の動作特性と、FMA(Finite moving Average)検出アルゴリズムとモンテカルロシミュレーションを用いた通常のCUSUM手順とを比較し、通常、後者のアルゴリズムは最適手法とほぼ同等の性能を持つことを示す。 同時に、FMA手順には、通常不明な信号の強度への依存という大きな利点があります。 最後に、FMAアルゴリズムを用いて光学画像中の衛星のかすかなストリークを検出する。

関連論文リスト

• Detecting changes to sub-diffraction objects with quantum-optimal speed and accuracy [0.8409980020848168]
  サブディフレクション・インコヒーレント・イメージングにおいて、固定された誤報率に対して最良平均遅延を評価する。 我々は、入射光強度の直接焦点面検出が、準最適検出レイテンシを実現することを発見した。 我々は,モンテカルロシミュレーションを用いて,変化検出手法の検証を行い,従来の受信機と量子最適受信機とのギャップの増大を定量化する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:18Z)
• 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)
• TiSAT: Time Series Anomaly Transformer [30.68108039722565]
  本稿では,この評価基準により,初歩的なランダム・ギーズ法が最先端の検出器より優れていることを示す。 本研究では,逐次異常検出の時系列と精度を計測する適切な評価指標を提案する。
  論文  参考訳（メタデータ） (2022-03-10T05:46:58Z)
• 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)
• On Measuring and Controlling the Spectral Bias of the Deep Image Prior [63.88575598930554]
  深層画像は、未学習のネットワークが逆画像問題に対処できることを実証している。 ピークに達するとパフォーマンスが低下するので、いつ最適化を止めるかを決めるにはオラクルが必要です。 これらの問題に対処するために、スペクトルバイアスの観点から先行した深部画像について検討する。
  論文  参考訳（メタデータ） (2021-07-02T15:10:42Z)
• A Scalable Algorithm for Anomaly Detection via Learning-Based Controlled Sensing [37.78306297797]
  本研究では,ある時刻に観測対象のプロセスを選択する異常検出アルゴリズムを開発した。 検出アルゴリズムの目的は、所望の値を超える精度で決定に到達することである。 プロセス数に指数関数的複雑性を持つこのトピックの以前の作業とは異なり、このアルゴリズムはプロセス数の両方に計算とメモリを必要とする。
  論文  参考訳（メタデータ） (2021-05-12T17:46:01Z)
• Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
  本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。 最先端アルゴリズムの利点を論じ、解説する。
  論文  参考訳（メタデータ） (2020-09-28T15:22:24Z)
• 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)
• Sequential Adversarial Anomaly Detection for One-Class Event Data [18.577418448786634]
  本稿では,異常なシーケンスのみを利用できる場合の1クラス設定における逐次異常検出問題について考察する。 生成器から最悪のケース列に対して最適な検出器を見つけるために,ミニマックス問題を解くことで,逆数列検出器を提案する。
  論文  参考訳（メタデータ） (2019-10-21T06:12:47Z)

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。