論文の概要: Real-time Detection of Anomalies in Multivariate Time Series of Astronomical Data

• arxiv url: http://arxiv.org/abs/2112.08415v1
• Date: Wed, 15 Dec 2021 19:02:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-17 16:58:05.739645
• Title: Real-time Detection of Anomalies in Multivariate Time Series of Astronomical Data
• Title（参考訳）: 多変量時系列天文学データにおける異常のリアルタイム検出
• Authors: Daniel Muthukrishna, Kaisey S. Mandel, Michelle Lochner, Sara Webb, Gautham Narayan
• Abstract要約: 天文トランジェント(英: Astronomical transients)は、様々な時間スケールで一時的に明るくなる恒星天体である。 新しい天文学的なスカイサーベイは、かつてない数のマルチ波長のトランジェントを観測している。 本稿では, 高速かつ自動で異常な過渡光曲線をリアルタイムに検出することを目的とした2つの新しい手法を提案する。
• 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: Astronomical transients are stellar objects that become temporarily brighter on various timescales and have led to some of the most significant discoveries in cosmology and astronomy. Some of these transients are the explosive deaths of stars known as supernovae while others are rare, exotic, or entirely new kinds of exciting stellar explosions. New astronomical sky surveys are observing unprecedented numbers of multi-wavelength transients, making standard approaches of visually identifying new and interesting transients infeasible. To meet this demand, we present two novel methods that aim to quickly and automatically detect anomalous transient light curves in real-time. Both methods are based on the simple idea that if the light curves from a known population of transients can be accurately modelled, any deviations from model predictions are likely anomalies. The first approach is a probabilistic neural network built using Temporal Convolutional Networks (TCNs) and the second is an interpretable Bayesian parametric model of a transient. We show that the flexibility of neural networks, the attribute that makes them such a powerful tool for many regression tasks, is what makes them less suitable for anomaly detection when compared with our parametric model.
• Abstract（参考訳）: 天文学の過渡現象は、様々な時間スケールで一時的に明るくなり、宇宙論や天文学で最も重要な発見に繋がる恒星である。 これらの過渡現象のいくつかは超新星と呼ばれる恒星の爆発的な死であり、その他は希少でエキゾチックで全く新しい種類の恒星爆発である。 新しい天文学的なスカイサーベイは、かつてない数のマルチ波長のトランジェントを観測し、新しい興味深いトランジェントを視覚的に識別する標準的なアプローチを作成している。 この要求を満たすために, 高速かつ自動で過渡光曲線をリアルタイムに検出する2つの新しい手法を提案する。 どちらの方法も、既知の過渡数の光曲線を正確にモデル化できるなら、モデル予測からの逸脱はおそらく異常である、という単純な考え方に基づいている。 第1のアプローチは、時間的畳み込みネットワーク(tcns)を使用して構築された確率的ニューラルネットワークであり、第2のアプローチは、過渡の解釈可能なベイズパラメトリックモデルである。 ニューラルネットワークの柔軟性は、多くの回帰タスクにそのような強力なツールを与える特性であり、パラメトリックモデルと比較して異常検出にはあまり適さないことを示す。

関連論文リスト

• Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
  近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。 本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
  論文  参考訳（メタデータ） (2024-07-12T18:00:02Z)
• A Classifier-Based Approach to Multi-Class Anomaly Detection for Astronomical Transients [0.0]
  リアルタイム異常検出は、大規模な天文学調査の時代に稀な過渡期を識別するために不可欠である。 現在、天文学的トランジェントに対するほとんどの異常検出アルゴリズムは、光曲線から抽出された手作りの特徴に依存している。 本稿では,異常検出のための潜在空間としてニューラルネットワーク分類器の最後層を用いる,異常検出のための代替手法を提案する。
  論文  参考訳（メタデータ） (2024-03-21T18:00:00Z)
• Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
  本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。 実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
  論文  参考訳（メタデータ） (2024-01-11T10:10:16Z)
• LARA: A Light and Anti-overfitting Retraining Approach for Unsupervised Time Series Anomaly Detection [49.52429991848581]
  深部変分自動エンコーダに基づく時系列異常検出手法(VAE)のための光・反オーバーフィット学習手法(LARA)を提案する。 本研究の目的は,1) 再学習過程を凸問題として定式化し, 過度に収束できること,2) 履歴データを保存せずに活用するルミネートブロックを設計すること,3) 潜在ベクトルと再構成データの微調整を行うと, 線形形成が基底真実と微調整されたブロックとの誤りを最小に調整できることを数学的に証明することである。
  論文  参考訳（メタデータ） (2023-10-09T12:36:16Z)
• Self-Supervised Learning for Modeling Gamma-ray Variability in Blazars [0.0]
  ブラザーは活動的な銀河核であり、相対論的ジェットは地球に直接向けられている。 深層学習は、ガンマ線ブレザーの複雑な変動パターンの構造を明らかにするのに役立つ。
  論文  参考訳（メタデータ） (2023-02-15T14:57:46Z)
• Are we certain it's anomalous? [57.729669157989235]
  時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。 本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。 HypADは自己指導で入力信号を再構築する。
  論文  参考訳（メタデータ） (2022-11-16T21:31:39Z)
• Supernova Light Curves Approximation based on Neural Network Models [53.180678723280145]
  光度データによる超新星の分類は、天文学におけるビッグデータのリアルタイム処理の出現によって課題となる。 近年の研究では、様々な機械学習モデルに基づく解の優れた品質が実証されている。 我々は,多層パーセプトロン(MLP),ベイジアンニューラルネットワーク(BNN),正規化フロー(NF)の単一光曲線観測への応用について検討した。
  論文  参考訳（メタデータ） (2022-06-27T13:46:51Z)
• Real-time detection of anomalies in large-scale transient surveys [0.0]
  本稿では, 異常な過渡光曲線を自動的にリアルタイムに検出する2つの新しい手法を提案する。 どちらの手法も、既知のトランジェント集団からの光曲線を正確にモデル化できるなら、モデル予測からの偏差は、おそらく異常である、という単純な考え方に基づいている。
  論文  参考訳（メタデータ） (2021-10-29T18:29:25Z)
• A Deep Learning Approach for Active Anomaly Detection of Extragalactic Transients [1.7152709285783647]
  本稿では,シミュレーションしたルビン天文台の銀河外過渡現象をエンコードする変分リカレントオートエンコーダニューラルネットワークを提案する。 1,129,184のイベントを,孤立林を用いて推定した異常スコアに基づいてランク付けした。 我々のアルゴリズムは、ピーク前にこれらの過渡現象を異常と識別することができ、リアルタイムの追従研究を可能にしている。
  論文  参考訳（メタデータ） (2021-03-22T18:02:19Z)
• Anomaly Detection for Multivariate Time Series of Exotic Supernovae [1.2999518604217852]
  本稿では,異常時系列をリアルタイムに検索するための教師なし手法を提案する。 この手法を12,159個の超新星のシミュレーションデータセットに適用する。 この研究は、オンラインデータストリームで動作する超新星のための最初の異常検出パイプラインである。
  論文  参考訳（メタデータ） (2020-10-21T18:00:01Z)
• TadGAN: Time Series Anomaly Detection Using Generative Adversarial Networks [73.01104041298031]
  TadGANは、GAN(Generative Adversarial Networks)上に構築された教師なしの異常検出手法である。 時系列の時間相関を捉えるために,ジェネレータと批評家のベースモデルとしてLSTMリカレントニューラルネットワークを用いる。 提案手法の性能と一般化性を示すため,いくつかの異常スコアリング手法を検証し,最も適した手法を報告する。
  論文  参考訳（メタデータ） (2020-09-16T15:52:04Z)

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。