論文の概要: A secondary immune response based on co-evolutive populations of agents for anomaly detection and characterization

• arxiv url: http://arxiv.org/abs/2109.05376v1
• Date: Sat, 11 Sep 2021 21:28:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-15 09:13:47.780080
• Title: A secondary immune response based on co-evolutive populations of agents for anomaly detection and characterization
• Title（参考訳）: 異常検出と特徴付けのための薬剤の共誘発集団に基づく二次免疫応答
• Authors: Pedro Pinacho-Davidson, Mat\'ias Lermanda, Ricardo Contreras, Mar\'ia A. Pinninghoff
• Abstract要約: この研究は、ABS(Artificial Bioindicators System)と呼ばれる既存の検出器モデルに基づいている。 AISの要素を取り入れたABSに基づく異常分類モデルを示す。 ABSの利点とAISの反応性機能を含む新しいモデル(R-ABS)が開発されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The detection of anomalies in unknown environments is a problem that has been approached from different perspectives with variable results. Artificial Immune Systems (AIS) present particularly advantageous characteristics for the detection of such anomalies. This research is based on an existing detector model, named Artificial Bioindicators System (ABS) which identifies and solves its main weaknesses. An ABS based anomaly classifier model is presented, incorporating elements of the AIS. In this way, a new model (R-ABS) is developed which includes the advantageous capabilities of an ABS plus the reactive capabilities of an AIS to overcome its weaknesses and disadvantages. The RABS model was tested using the well-known DARPA'98 dataset, plus a dataset built to carry out a greater number of experiments. The performance of the RABS model was compared to the performance of the ABS model based on classical sensitivity and specificity metrics, plus a response time metric to illustrate the rapid response of R-ABS relative to ABS. The results showed a better performance of R-ABS, especially in terms of detection time.
• Abstract（参考訳）: 未知環境における異常の検出は、異なる視点から様々な結果でアプローチされてきた問題である。 人工免疫システム(AIS)はそのような異常の検出に特に有利な特徴を示す。 この研究は、ABS(Artificial Bioindicators System)と呼ばれる既存の検出器モデルに基づいており、その主な弱点を特定し、解決する。 AISの要素を取り入れたABSに基づく異常分類モデルを示す。 このようにして、新たなモデル(R-ABS)が開発され、ABSの有利な機能とAISの反応性機能により、その弱点と欠点を克服する。 RABSモデルは、よく知られたDARPA'98データセットと、より多くの実験を実行するために構築されたデータセットを使用してテストされた。 RABSモデルの性能は,古典的感度および特異度測定値に基づくABSモデルの性能と比較し,ABSに対するR-ABSの迅速な応答を示す応答時間測定値と比較した。 その結果,R-ABSは検出時間において良好な性能を示した。

関連論文リスト

• REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
  本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。 グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。 本モデルは,発作検出と分類作業において高い精度を示す。
  論文  参考訳（メタデータ） (2024-06-03T16:30:19Z)
• Causal Disentanglement Hidden Markov Model for Fault Diagnosis [55.90917958154425]
  本研究では, 軸受破壊機構の因果性を学ぶために, 因果解離隠れマルコフモデル (CDHM) を提案する。 具体的には、時系列データをフル活用し、振動信号を断層関連要因と断層関連要因に段階的に分解する。 アプリケーションの範囲を広げるために、学習された非絡み合った表現を他の作業環境に転送するために、教師なしのドメイン適応を採用する。
  論文  参考訳（メタデータ） (2023-08-06T05:58:45Z)
• Robustness and Generalization Performance of Deep Learning Models on Cyber-Physical Systems: A Comparative Study [71.84852429039881]
  調査は、センサーの故障やノイズなど、様々な摂動を扱うモデルの能力に焦点を当てている。 我々は,これらのモデルの一般化と伝達学習能力を,アウト・オブ・ディストリビューション(OOD)サンプルに公開することによって検証する。
  論文  参考訳（メタデータ） (2023-06-13T12:43:59Z)
• Deep Learning-based Fall Detection Algorithm Using Ensemble Model of Coarse-fine CNN and GRU Networks [7.624051346741515]
  本研究では,大小の畳み込みニューラルネットワークとゲートリカレントユニットを組み合わせたアンサンブルモデルを提案する。 提案したモデルは、それぞれ92.54%、96.13%、94.26%のリコール、精度、Fスコアを達成する。
  論文  参考訳（メタデータ） (2023-04-13T08:30:46Z)
• LINe: Out-of-Distribution Detection by Leveraging Important Neurons [15.797257361788812]
  本稿では,分布内データとOODデータ間のモデル出力の差を解析するための新しい側面を紹介する。 本稿では,分布検出のポストホックアウトのための新しい手法であるLINe( Leveraging Important Neurons)を提案する。
  論文  参考訳（メタデータ） (2023-03-24T13:49:05Z)
• Adversarial Robustness and Feature Impact Analysis for Driver Drowsiness Detection [0.0]
  眠気運転は道路事故の主要な原因であるが、ドライバーは疲労が反応時間に与える影響を否定している。 障害が発生する前に眠気を検出するには、機械学習(ML)を使用して心拍変動(HRV)信号を監視するという、有望な戦略がある。
  論文  参考訳（メタデータ） (2023-03-23T20:13:44Z)
• An Outlier Exposure Approach to Improve Visual Anomaly Detection Performance for Mobile Robots [76.36017224414523]
  移動ロボットの視覚異常検出システム構築の問題点を考察する。 標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。 本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-20T15:18:13Z)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• On the Robustness of Average Losses for Partial-Label Learning [125.673497808475]
  識別ベースの戦略(IBS)は、各ラベルセットを精製し、真のラベルを抽出する。 平均ベースの戦略(ABS)は、全ての候補者を平等に訓練するために扱う。 本稿では、ABSを理論的に解析し、損失関数のロバスト性という意味でも有望であることを示す。
  論文  参考訳（メタデータ） (2021-06-11T03:41:59Z)
• Selective and Features based Adversarial Example Detection [12.443388374869745]
  Deep Neural Networks (DNN) を中継するセキュリティに敏感なアプリケーションは、Adversarial Examples (AE) を生成するために作られた小さな摂動に弱い。 本稿では,マルチタスク学習環境における選択的予測,モデルレイヤの出力処理,知識伝達概念を用いた教師なし検出機構を提案する。 実験の結果,提案手法は,ホワイトボックスシナリオにおけるテスト攻撃に対する最先端手法と同等の結果を得られ,ブラックボックスとグレーボックスシナリオの精度が向上した。
  論文  参考訳（メタデータ） (2021-03-09T11:06:15Z)
• Damage-sensitive and domain-invariant feature extraction for vehicle-vibration-based bridge health monitoring [25.17078512102496]
  本稿では,車両の加速度応答データから損傷感受性・領域不変性(DS&DI)特徴を抽出する物理誘導信号処理手法を提案する。 この特徴は,6つの実験のうち5つの実験において,橋梁にまたがる最高の損傷および局所化結果を提供する。
  論文  参考訳（メタデータ） (2020-02-06T05:45:39Z)

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。