論文の概要: Autoencoders for unsupervised anomaly detection in high energy physics
- arxiv url: http://arxiv.org/abs/2104.09051v1
- Date: Mon, 19 Apr 2021 05:06:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-20 13:33:58.652266
- Title: Autoencoders for unsupervised anomaly detection in high energy physics
- Title(参考訳): 高エネルギー物理における教師なし異常検出のためのオートエンコーダ
- Authors: Thorben Finke, Michael Kr\"amer, Alessandro Morandini, Alexander
M\"uck, Ivan Oleksiyuk
- Abstract要約: QCDジェット画像の背景にあるトップジェット画像のタグ付けについて検討する。
標準オートエンコーダ設定をモデル非依存の異常タガーとはみなせないことを示す。
モデル非依存異常検出の課題に対する性能改善策を提案する。
- 参考スコア(独自算出の注目度): 105.54048699217668
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autoencoders are widely used in machine learning applications, in particular
for anomaly detection. Hence, they have been introduced in high energy physics
as a promising tool for model-independent new physics searches. We scrutinize
the usage of autoencoders for unsupervised anomaly detection based on
reconstruction loss to show their capabilities, but also their limitations. As
a particle physics benchmark scenario, we study the tagging of top jet images
in a background of QCD jet images. Although we reproduce the positive results
from the literature, we show that the standard autoencoder setup cannot be
considered as a model-independent anomaly tagger by inverting the task: due to
the sparsity and the specific structure of the jet images, the autoencoder
fails to tag QCD jets if it is trained on top jets even in a semi-supervised
setup. Since the same autoencoder architecture can be a good tagger for a
specific example of an anomaly and a bad tagger for a different example, we
suggest improved performance measures for the task of model-independent anomaly
detection. We also improve the capability of the autoencoder to learn
non-trivial features of the jet images, such that it is able to achieve both
top jet tagging and the inverse task of QCD jet tagging with the same setup.
However, we want to stress that a truly model-independent and powerful
autoencoder-based unsupervised jet tagger still needs to be developed.
- Abstract(参考訳): オートエンコーダは機械学習アプリケーション、特に異常検出に広く使われている。
したがって、これらはモデルに依存しない新しい物理探索のための有望なツールとして高エネルギー物理学で導入された。
再構成損失に基づく教師なし異常検出におけるオートエンコーダの利用について検討し,その性能と限界について検討した。
粒子物理ベンチマークのシナリオとして,QCDジェット画像の背景におけるトップジェット画像のタグ付けについて検討する。
文献から正の結果を再現するが、タスクを反転させることで、標準オートエンコーダ設定をモデル非依存のアノマリータガーとはみなせないことを示す: ジェット画像のスパーシティと特定の構造のため、半教師付き設定でもトップジェットで訓練された場合、オートエンコーダはqcdジェットをタグ付けできない。
同一のオートエンコーダアーキテクチャは異常の特定の例には良いタグであり,異なる例には悪いタグでありうるので,モデルに依存しない異常検出のタスクには,性能改善策を提案する。
また、ジェット画像の非自明な特徴を学習するオートエンコーダの能力も向上し、同じ設定でトップジェットタグ付けとqcdジェットタグ付けの逆タスクの両方を実現できる。
しかし、真にモデル非依存で強力なautoencoderベースの教師なしのjet taggerの開発が必要であることを強調したい。
関連論文リスト
- Zero-Shot Detection of AI-Generated Images [54.01282123570917]
AI生成画像を検出するゼロショットエントロピー検出器(ZED)を提案する。
機械によるテキスト検出の最近の研究に触発された私たちのアイデアは、分析対象の画像が実際の画像のモデルと比較してどれだけ驚くかを測定することである。
ZEDは精度の点でSoTAよりも平均3%以上改善されている。
論文 参考訳(メタデータ) (2024-09-24T08:46:13Z) - ASAG: Building Strong One-Decoder-Layer Sparse Detectors via Adaptive
Sparse Anchor Generation [50.01244854344167]
適応スパースアンカージェネレータ(ASAG)の提案により、スパース検出器と密度検出器のパフォーマンスギャップを橋渡しする。
ASAGは、グリッドではなくパッチの動的なアンカーを予測することで、機能競合の問題を軽減する。
提案手法は高密度な手法より優れ,高速かつ高精度なトレードオフを実現する。
論文 参考訳(メタデータ) (2023-08-18T02:06:49Z) - Patch-wise Auto-Encoder for Visual Anomaly Detection [1.7546477549938133]
本稿では,AEのアノマリーに対する再構成能力を弱めることなく向上することを目的としたパッチワイド自動エンコーダフレームワークを提案する。
本手法は,Mvtec ADベンチマークの最先端性能を向上し,本モデルの有効性を実証する。
論文 参考訳(メタデータ) (2023-08-01T10:15:15Z) - Triggering Dark Showers with Conditional Dual Auto-Encoders [1.5615730862955413]
本稿では,コライダにおける一般およびモデルに依存しない新しい物理探索のための条件付きデュアルオートエンコーダ(CoDAE)のファミリーを提案する。
論文 参考訳(メタデータ) (2023-06-22T15:13:18Z) - Self-Distilled Masked Auto-Encoders are Efficient Video Anomaly
Detectors [117.61449210940955]
ビデオフレームレベルで適用された軽量マスク付きオートエンコーダ(AE)に基づく効率的な異常事象検出モデルを提案する。
動き勾配に基づく重みトークンへのアプローチを導入し、静的背景シーンから前景オブジェクトへ焦点を移す。
トレーニングビデオの強化のために合成異常事象を生成し,マスク付きAEモデルを用いてオリジナルのフレームを共同で再構築する。
論文 参考訳(メタデータ) (2023-06-21T06:18:05Z) - Detecting Anomalies using Generative Adversarial Networks on Images [0.0]
本稿では,新しいGANに基づく異常検出モデルを提案する。
通常の(非非正則な)画像を使用して、入力画像が異常/脅威オブジェクトを含むかどうかを検知する正常性について学習する。
CIFAR-10、MVTec AD(産業応用用)、SIXray(X線バッグセキュリティ用)の3つのデータセットで実験が行われた。
論文 参考訳(メタデータ) (2022-11-24T21:52:25Z) - Particle Graph Autoencoders and Differentiable, Learned Energy Mover's
Distance [0.0]
オートエンコーダは「粒子雲」表現でジェットで作動する。
我々は,グラフニューラルネットワークを用いてエネルギー移動器距離の微分可能な近似を開発する。
論文 参考訳(メタデータ) (2021-11-24T23:50:15Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳(メタデータ) (2021-09-08T14:07:55Z) - Variational Autoencoders for Anomalous Jet Tagging [0.0]
本研究では,大型ハドロン衝突型加速器における異常ジェットタグ付けのための変分オートエンコーダ(VAE)について詳細に検討する。
VAEは、潜在空間における表現力のある後部分布を学習しながら、ジェットを再構成するための重要な情報を符号化することができる。
本稿では,学習過程にサンプルを導入し,学習情報をガイドするOutlier Exposed VAEを提案する。
論文 参考訳(メタデータ) (2020-07-03T17:57:52Z) - Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。
我々は,再建基準の代替として,異常スコアの代替尺度を提案した。
提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
論文 参考訳(メタデータ) (2020-03-24T08:26:58Z)
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。