Fugu-MT 論文翻訳(概要): Comparing Weak- and Unsupervised Methods for Resonant Anomaly Detection

論文の概要: Comparing Weak- and Unsupervised Methods for Resonant Anomaly Detection

arxiv url: http://arxiv.org/abs/2104.02092v1
Date: Mon, 5 Apr 2021 18:00:46 GMT
ステータス: 処理完了
システム内更新日: 2021-04-08 01:05:21.414321
Title: Comparing Weak- and Unsupervised Methods for Resonant Anomaly Detection
Title（参考訳）: 共振器異常検出のための弱度法と教師なし法の比較
Authors: Jack H. Collins, Pablo Mart\'in-Ramiro, Benjamin Nachman, David Shih
Abstract要約: オートエンコーダ(AE)と,CWoLa(Classification Without Labels)技術に基づく弱監督アプローチを比較した。 CWoLaは多様かつ適度に稀なシグナルを見つけるのに有効であり、AEは極めて稀な信号に対して感受性を与えるが、特定のトポロジでのみ得られる。
参考スコア（独自算出の注目度）: 0.38233569758620045
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Anomaly detection techniques are growing in importance at the Large Hadron Collider (LHC), motivated by the increasing need to search for new physics in a model-agnostic way. In this work, we provide a detailed comparative study between a well-studied unsupervised method called the autoencoder (AE) and a weakly-supervised approach based on the Classification Without Labels (CWoLa) technique. We examine the ability of the two methods to identify a new physics signal at different cross sections in a fully hadronic resonance search. By construction, the AE classification performance is independent of the amount of injected signal. In contrast, the CWoLa performance improves with increasing signal abundance. When integrating these approaches with a complete background estimate, we find that the two methods have complementary sensitivity. In particular, CWoLa is effective at finding diverse and moderately rare signals while the AE can provide sensitivity to very rare signals, but only with certain topologies. We therefore demonstrate that both techniques are complementary and can be used together for anomaly detection at the LHC.
Abstract（参考訳）: 大型ハドロン衝突型加速器(LHC)では、モデルに依存しない方法で新しい物理を探す必要性が高まっているため、異常検出技術の重要性が高まっている。本稿では,autoencoder(ae)と呼ばれる教師なし手法と,ラベルなし分類(cwola)手法に基づく弱い教師付きアプローチとの詳細な比較検討を行う。完全ハドロン共鳴探索において, 異なる断面における新しい物理信号の同定能力について検討した。構成上、AE分類性能は注入信号量とは独立である。一方、CWoLaの性能は信号量の増加とともに向上する。これらのアプローチを完全なバックグラウンド推定と統合すると、2つの手法が相補的な感度を持つことがわかった。特に、cwolaは多様で中程度の希少な信号を見つけるのに有効であるが、aeは非常に稀な信号に感度を与えることができる。そこで我々は,両手法が相補的であり,LHCにおける異常検出に併用できることを実証した。

関連論文リスト

MODEL&CO: Exoplanet detection in angular differential imaging by learning across multiple observations [37.845442465099396]
ほとんどの後処理法は、対象の観測自体から核分裂のモデルを構築している。本稿では,教師付き深層学習技術を利用して,複数観測のアーカイブからニュアンスモデルを構築することを提案する。本稿では,提案手法をVLT/SPHERE機器から得られた複数のデータセットに適用し,高精度なリコールトレードオフを示す。
論文参考訳（メタデータ） (2024-09-23T09:22:45Z)
Adaptive Federated Learning Over the Air [108.62635460744109]
オーバー・ザ・エア・モデル・トレーニングの枠組みの中で,適応勾配法,特にAdaGradとAdamの連合バージョンを提案する。解析の結果,AdaGrad に基づくトレーニングアルゴリズムは $mathcalO(ln(T) / T 1 - frac1alpha の速度で定常点に収束することがわかった。
論文参考訳（メタデータ） (2024-03-11T09:10:37Z)
CL-Flow:Strengthening the Normalizing Flows by Contrastive Learning for Better Anomaly Detection [1.951082473090397]
コントラスト学習と2D-Flowを組み合わせた自己教師付き異常検出手法を提案する。本手法は,主流の教師なし手法と比較して,検出精度が向上し,モデルパラメータが減少し,推論速度が向上することを示す。 BTADデータセットでは,MVTecADデータセットでは画像レベルのAUROCが99.6%,BTADデータセットでは画像レベルのAUROCが96.8%であった。
論文参考訳（メタデータ） (2023-11-12T10:07:03Z)
A Discrepancy Aware Framework for Robust Anomaly Detection [51.710249807397695]
本稿では,DAF(Disdisrepancy Aware Framework)を提案する。本手法は,デコーダの欠陥同定に外見に依存しないキューを利用して,その合成外観への依存を緩和する。単純な合成戦略の下では,既存の手法を大きなマージンで上回り,また,最先端のローカライゼーション性能も達成している。
論文参考訳（メタデータ） (2023-10-11T15:21:40Z)
DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial Attention Detection [49.196182908826565]
AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
論文参考訳（メタデータ） (2023-09-07T13:43:46Z)
ReDFeat: Recoupling Detection and Description for Multimodal Feature Learning [51.07496081296863]
我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
論文参考訳（メタデータ） (2022-05-16T04:24:22Z)
Mitigating the Mutual Error Amplification for Semi-Supervised Object Detection [92.52505195585925]
擬似ラベルの修正機構を導入し,相互誤りの増幅を緩和するクロス・インストラクション(CT)手法を提案する。他の検出器からの予測を直接擬似ラベルとして扱う既存の相互指導法とは対照的に,我々はラベル修正モジュール(LRM)を提案する。
論文参考訳（メタデータ） (2022-01-26T03:34:57Z)
Online-compatible Unsupervised Non-resonant Anomaly Detection [0.4297070083645048]
非共鳴異常の教師なし検出のための最初の完全戦略を提案する。本手法は,相互に非相関な2つのオートエンコーダを同時に構築する。この方法は非共鳴異常検出のためにオフラインでデプロイすることができ、オンライン互換異常検出戦略としては初めてのものである。
論文参考訳（メタデータ） (2021-11-11T19:01:09Z)
Signal Processing and Machine Learning Techniques for Terahertz Sensing: An Overview [89.09270073549182]
テラヘルツ(THz)信号生成と放射法は、無線システムの未来を形作っている。 THz 固有の信号処理技術は、THz 帯域の効率的な利用のために、この THz センシングへの関心を補う必要がある。本稿では,信号前処理に着目した手法の概要を示す。また,THz帯で有望な知覚能力を探索し,深層学習の有効性についても検討した。
論文参考訳（メタデータ） (2021-04-09T01:38:34Z)
Two-dimensional spectroscopy beyond the perturbative limit: the influence of finite pulses and detection modes [0.0]
2次元電子分光法(2DES)は、量子系内のコヒーレンスとエネルギーの流れのプローブを提供する。 2DESの数値モデリングは極めて重要であり、ある程度に脈動スキームを近似する必要がある。ここでは、有限パルス幅と振幅が2DES信号に与える影響を調べるために、非摂動時間進化を用いる。
論文参考訳（メタデータ） (2020-11-09T11:13:10Z)
Unsupervised non-parametric change point detection in quasi-periodic signals [2.2758845733923687]
準周期信号における変化点を検出するための新しい教師なし非パラメトリック手法を提案する。この検出は、トポロジカル解析とブートストラップ法を組み合わせた最適な輸送理論に依存している。最も頻度の高い臨床不整脈の6種類の波形における異常心周期や不規則心周期の発見に成功している。
論文参考訳（メタデータ） (2020-02-07T11:24:50Z)

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。

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。