論文の概要: Hypothesis Testing for Unknown Dynamical Systems and System Anomaly Detection via Autoencoders

• arxiv url: http://arxiv.org/abs/2201.12358v2
• Date: Thu, 23 Mar 2023 08:16:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-24 18:57:10.219705
• Title: Hypothesis Testing for Unknown Dynamical Systems and System Anomaly Detection via Autoencoders
• Title（参考訳）: 未知力学系の仮説テストとオートエンコーダによるシステム異常検出
• Authors: Haowei He, Jingzhao Zhang, Yanan Wang, Benben Jiang, Shaobo Huang, Chen Wang, Yang Zhang, Xuebing Han, Dongxu Guo, Guannan He, Minggao Ouyang
• Abstract要約: 未知の力学系に対する仮説テスト問題について検討する。 異常検出を仮説検定として定式化し, 代替仮説を用いて異常を定式化する。 その結果、仮説テストアルゴリズムは、ロボット、天気、エネルギーシステム、株式市場などの現実世界のシステムにおける障害を検出することができる。
• 参考スコア（独自算出の注目度）: 13.620159645333743
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We study the hypothesis testing problem for unknown dynamical systems. More specifically, we observe sequential input and output data from a dynamical system with unknown parameters, and we aim to determine whether the collected data is from a null distribution. Such a problem can have many applications. Here we formulate anomaly detection as hypothesis testing where the anomaly is defined through the alternative hypothesis. Consequently, hypothesis testing algorithms can detect faults in real-world systems such as robots, weather, energy systems, and stock markets. Although recent works achieved state-of-the-art performances in these tasks with deep learning models, we show that a careful analysis using hypothesis testing and graphical models can not only justify the effectiveness of autoencoder models, but also lead to a novel neural network design, termed DyAD (DYnamical system Anomaly Detection), with improved performances. We then show that DyAD achieves state-of-the-art performance on several existing datasets and a new dataset on battery anomaly detection in electric vehicles.
• Abstract（参考訳）: 未知力学系に対する仮説検定問題について検討する。 より具体的には、未知パラメータを持つ動的システムからの逐次入力および出力データを観測し、収集したデータがヌル分布であるかどうかを判定する。 そのような問題には多くの応用がある。 ここでは、代替仮説によって異常が定義される仮説検証として、異常検出を定式化する。 その結果、仮説テストアルゴリズムは、ロボット、天気、エネルギーシステム、株式市場などの現実世界のシステムにおける障害を検出することができる。 近年の深層学習モデルによるこれらのタスクにおける最先端のパフォーマンスは達成されているが、仮説テストとグラフィカルモデルを用いた慎重な分析は、オートエンコーダモデルの有効性を正当化するだけでなく、DyAD(Dynamical system Anomaly Detection)と呼ばれる新しいニューラルネットワーク設計にも繋がることを示す。 そして、dyadが既存のいくつかのデータセットで最先端のパフォーマンスを達成し、電気自動車におけるバッテリー異常検出に関する新しいデータセットを実現していることを示す。

関連論文リスト

• Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
  このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。 高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。 また、解決を保障する科学的、技術的課題も検討している。
  論文  参考訳（メタデータ） (2023-12-06T10:46:53Z)
• On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms [56.119374302685934]
  AI技術の信頼性に関する深刻な懸念があった。 機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。 本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-24T14:01:53Z)
• A Deep Learning Approach Towards Generating High-fidelity Diverse Synthetic Battery Datasets [0.0]
  高忠実度バッテリデータセットを合成するためのDeep Learningベースの手法をいくつか導入する。 これらの強化された合成データセットは、バッテリー研究者がより良い推定モデルを構築するのに役立つ。
  論文  参考訳（メタデータ） (2023-04-09T05:41:21Z)
• Berlin V2X: A Machine Learning Dataset from Multiple Vehicles and Radio Access Technologies [56.77079930521082]
  我々は,MLに基づく多種多様な研究への道を開くための詳細な測定キャンペーンを実施してきた。 得られたデータセットは、携帯電話(と2つの異なるオペレーター)とサイドリンク無線アクセス技術の両方のために、様々な都市環境にまたがるGPS位置の無線測定を提供する。 私たちは、MLが克服しなければならない課題と、MLが活用できる機能について、データの初期分析を提供しています。
  論文  参考訳（メタデータ） (2022-12-20T15:26:39Z)
• Battery Cloud with Advanced Algorithms [1.7205106391379026]
  バッテリクラウドまたはクラウドバッテリ管理システムは、クラウド計算パワーとデータストレージを活用して、バッテリ安全性、パフォーマンス、経済性を改善する。 この研究は、電気自動車やエネルギー貯蔵システムから計測されたバッテリーデータを収集するバッテリクラウドを提示する。
  論文  参考訳（メタデータ） (2022-03-07T21:56:17Z)
• An Energy Consumption Model for Electrical Vehicle Networks via Extended Federated-learning [50.85048976506701]
  本稿では,フェデレートラーニングモデルに基づく不安度を測る新しい手法を提案する。 バッテリー消費を推定し、車両ネットワークにエネルギー効率の高いルートプランニングを提供する。
  論文  参考訳（メタデータ） (2021-11-13T15:03:44Z)
• Data Driven Prediction of Battery Cycle Life Before Capacity Degradation [0.0]
  本稿では,Kristen A. Seversonらが実施したデータと手法を用いて,研究チームが使用した方法論を探索する。 基本的な取り組みは、機械学習技術が、バッテリー容量を正確に予測するために、早期ライフサイクルデータを使用するように訓練されているかどうかを確認することである。
  論文  参考訳（メタデータ） (2021-10-19T01:35:12Z)
• Overcoming limited battery data challenges: A coupled neural network approach [0.0]
  深層ニューラルネットワークを用いた時系列バッテリデータ拡張手法を提案する。 あるモデルはバッテリ充電プロファイルを生成し、別のモデルはバッテリ放電プロファイルを生成する。 その結果,バッテリーデータに制限がある場合の問題点を解消するために,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2021-10-05T16:17:19Z)
• Optimizing a domestic battery and solar photovoltaic system with deep reinforcement learning [69.68068088508505]
  バッテリーと太陽光発電システムのコストの低下は、ソーラーバッテリーの家庭用システムの増加に繋がった。 本研究では,システム内の電池の充電および放電挙動を最適化するために,深い決定論的ポリシーアルゴリズムを用いる。
  論文  参考訳（メタデータ） (2021-09-10T10:59:14Z)
• A Dynamic Battery State-of-Health Forecasting Model for Electric Trucks: Li-Ion Batteries Case-Study [1.1470070927586016]
  本稿では, 電動トラックにおけるLiイオン電池の機械学習による健康状態(SoH)の予後について検討する。 バッテリーSoHを予測するための自動回帰型統合モデリング平均(ARIMA)と教師付き学習(決定木をベース見積もりとして袋詰め)を提案します。
  論文  参考訳（メタデータ） (2021-03-30T12:19:21Z)
• Universal Battery Performance and Degradation Model for Electric Aircraft [52.77024349608834]
  電動垂直離着陸機(eVTOL)の設計、解析、運用には、Liイオン電池の性能の迅速かつ正確な予測が必要である。 我々は,eVTOLのデューティサイクルに特有の電池性能と熱的挙動のデータセットを生成する。 このデータセットを用いて,物理インフォームド機械学習を用いた電池性能・劣化モデル(Cellfit)を開発した。
  論文  参考訳（メタデータ） (2020-07-06T16:10:54Z)

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。