論文の概要: SAM-kNN Regressor for Online Learning in Water Distribution Networks

• arxiv url: http://arxiv.org/abs/2204.01436v1
• Date: Mon, 4 Apr 2022 12:40:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-05 21:52:29.023446
• Title: SAM-kNN Regressor for Online Learning in Water Distribution Networks
• Title（参考訳）: 配水ネットワークにおけるオンライン学習のためのSAM-kNNレグレクタ
• Authors: Jonathan Jakob, Andr\'e Artelt, Martina Hasenj\"ager, Barbara Hammer
• Abstract要約: 水道網は、住宅や産業のための近代的なインフラの重要な構成要素である。 常に作業ネットワークを保証するため、給水会社はネットワークを継続的に監視する。 本稿では,残差に基づく異常検出システムを構築するために,インクリメンタルSAM-kNN分類器の適用を提案する。
• 参考スコア（独自算出の注目度）: 6.125017875330933
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Water distribution networks are a key component of modern infrastructure for housing and industry. They transport and distribute water via widely branched networks from sources to consumers. In order to guarantee a working network at all times, the water supply company continuously monitors the network and takes actions when necessary -- e.g. reacting to leakages, sensor faults and drops in water quality. Since real world networks are too large and complex to be monitored by a human, algorithmic monitoring systems have been developed. A popular type of such systems are residual based anomaly detection systems that can detect events such as leakages and sensor faults. For a continuous high quality monitoring, it is necessary for these systems to adapt to changed demands and presence of various anomalies. In this work, we propose an adaption of the incremental SAM-kNN classifier for regression to build a residual based anomaly detection system for water distribution networks that is able to adapt to any kind of change.
• Abstract（参考訳）: 水道網は住宅や産業の近代的なインフラの重要な構成要素である。 彼らは水源から消費者に広く分岐したネットワークを通じて水を輸送し、流通する。 常に稼働するネットワークを保証するため、水道会社はネットワークを継続的に監視し、必要な場合、例えば、漏れ、センサーの故障、水質の低下に反応する。 現実世界のネットワークは、人間が監視するには大きすぎるため、アルゴリズムによる監視システムが開発されている。 一般的なタイプのシステムは残差に基づく異常検出システムであり、リークやセンサ障害などのイベントを検出できる。 継続的に高品質なモニタリングを行うためには,要求の変化と様々な異常の存在に適応する必要がある。 本研究では,任意の変化に対応可能な配水網の残差に基づく異常検出システムを構築するために,レグレッションのためのインクリメンタルSAM-kNN分類器の適応を提案する。

関連論文リスト

• Sensor Placement for Learning in Flow Networks [6.680930089714339]
  本稿では,ネットワークのセンサ配置問題について検討する。 まず, 流れの保存仮定に基づいて問題を定式化し, 最適に固定されたセンサを配置することがNPハードであることを示す。 次に,大規模ネットワークにスケールするセンサ配置のための効率よく適応的なグリージーを提案する。
  論文  参考訳（メタデータ） (2023-12-12T01:08:08Z)
• Localizing Anomalies in Critical Infrastructure using Model-Based Drift Explanations [5.319765271848658]
  ベイジアンネットワークを用いたネットワークをモデル化し,異常が重要なインフラシステムの力学に与える影響を解析する。 特に、モデルに基づく概念ドリフトの説明は異常の局所化に有望なツールであると主張する。 本手法がより一般的に重要なインフラに適用可能であることを示すために,本手法が電力系統におけるセンサ故障の局所化に有効であることを示す。
  論文  参考訳（メタデータ） (2023-10-24T13:33:19Z)
• ARCADE: Adversarially Regularized Convolutional Autoencoder for Network Anomaly Detection [0.0]
  ARCADEと呼ばれる、教師なしの異常に基づくディープラーニング検出システム。 リソース制約のある環境でのオンライン検出に適した畳み込みオートエンコーダ(AE)を提案する。
  論文  参考訳（メタデータ） (2022-05-03T11:47:36Z)
• Fully Convolutional Change Detection Framework with Generative Adversarial Network for Unsupervised, Weakly Supervised and Regional Supervised Change Detection [44.05317423742678]
  生成的対向ネットワークを用いた完全畳み込み変化検出フレームワークを提案する。 基本Unetセグメンタを使用して変更検出マップを取得する。 多時間画像間のスペクトル及び空間的変動をモデル化するために画像対画像生成装置が実装される。 弱小かつ局所的に監督された変化検出タスクにおける意味変化をモデル化するために,変化・変化の識別器を提案する。
  論文  参考訳（メタデータ） (2022-01-16T12:10:16Z)
• Few-shot Network Anomaly Detection via Cross-network Meta-learning [45.8111239825361]
  GDN(Graph Deviation Networks)という新しいタイプのグラフニューラルネットワークを提案します。 GDNは少数のラベル付き異常を利用して、ネットワーク上の異常ノードと正常ノードの間に統計的に有意なずれを生じさせる。 提案したGDNを新しいクロスネットワークメタラーニングアルゴリズムで実装し,マルチショットネットワーク異常検出を実現した。
  論文  参考訳（メタデータ） (2021-02-22T16:42:37Z)
• On the Usage of Generative Models for Network Anomaly Detection in Multivariate Time-Series [3.1790432590377242]
  本稿では,時系列におけるネットワーク異常検出の新しい手法であるNet-GANを紹介する。 我々は、生成モデルの背後にある概念を利用して、Net-GANの補完的アプローチであるNet-VAEを考案する。 我々は,IoTセンサデータにおける異常検出,ネットワーク計測における侵入検出など,異なる監視シナリオにおけるNet-GANとNet-VAEを評価した。
  論文  参考訳（メタデータ） (2020-10-16T10:22:25Z)
• A game-theoretic analysis of networked system control for common-pool resource management using multi-agent reinforcement learning [54.55119659523629]
  マルチエージェント強化学習は近年,ネットワーク型システム制御へのアプローチとして大きな可能性を秘めている。 共通プールの資源は耕作可能な土地、淡水、湿地、野生生物、魚類資源、森林、大気である。
  論文  参考訳（メタデータ） (2020-10-15T14:12:26Z)
• Detecting Communities in Heterogeneous Multi-Relational Networks:A Message Passing based Approach [89.19237792558687]
  コミュニティは、ソーシャルネットワーク、生物学的ネットワーク、コンピュータおよび情報ネットワークを含むネットワークの共通の特徴である。 我々は,全同種ネットワークのコミュニティを同時に検出する効率的なメッセージパッシングに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-04-06T17:36:24Z)
• Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
  本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。 標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2020-04-06T15:51:00Z)
• Fault Handling in Large Water Networks with Online Dictionary Learning [1.933681537640272]
  ここでは、センサ配置を行う際にネットワークトポロジを考慮に入れたデータ駆動の代替手段を提供することで、モデルを単純化する。 オンライン学習は高速で、一度に小さな信号のバッチを処理するため、大きなネットワークに取り組むことができる。 このアルゴリズムは、小規模ネットワークと大規模ネットワークの両方でテストした場合、優れた性能を示す。
  論文  参考訳（メタデータ） (2020-03-18T21:46:14Z)
• Firearm Detection and Segmentation Using an Ensemble of Semantic Neural Networks [62.997667081978825]
  本稿では,意味的畳み込みニューラルネットワークのアンサンブルに基づく兵器検出システムを提案する。 特定のタスクに特化した単純なニューラルネットワークのセットは、計算リソースを少なくし、並列にトレーニングすることができる。 個々のネットワークの出力の集約によって与えられるシステムの全体的な出力は、ユーザが偽陽性と偽陰性とをトレードオフするように調整することができる。
  論文  参考訳（メタデータ） (2020-02-11T13:58:16Z)

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。