論文の概要: Feature anomaly detection system (FADS) for intelligent manufacturing

• arxiv url: http://arxiv.org/abs/2204.10318v1
• Date: Thu, 21 Apr 2022 17:54:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-22 12:29:48.491803
• Title: Feature anomaly detection system (FADS) for intelligent manufacturing
• Title（参考訳）: 知的製造のための特徴異常検出システム(FADS)
• Authors: Anthony Garland, Kevin Potter, Matt Smith
• Abstract要約: FADS(Feature-based Anomaly Detection System)と呼ばれる新しい異常検出アルゴリズムを提案する。 FADSは畳み込みフィルタの活性化を観察して名目入力の統計モデルを生成する。 推測中、システムは新しい入力の畳み込みフィルタのアクティベーションを、期待値の範囲外である統計モデルとフラグのアクティベーションと比較する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Anomaly detection is important for industrial automation and part quality assurance, and while humans can easily detect anomalies in components given a few examples, designing a generic automated system that can perform at human or above human capabilities remains a challenge. In this work, we present a simple new anomaly detection algorithm called FADS (feature-based anomaly detection system) which leverages pretrained convolutional neural networks (CNN) to generate a statistical model of nominal inputs by observing the activation of the convolutional filters. During inference the system compares the convolutional filter activation of the new input to the statistical model and flags activations that are outside the expected range of values and therefore likely an anomaly. By using a pretrained network, FADS demonstrates excellent performance similar to or better than other machine learning approaches to anomaly detection while at the same time FADS requires no tuning of the CNN weights. We demonstrate FADS ability by detecting process parameter changes on a custom dataset of additively manufactured lattices. The FADS localization algorithm shows that textural differences that are visible on the surface can be used to detect process parameter changes. In addition, we test FADS on benchmark datasets, such as the MVTec Anomaly Detection dataset, and report good results.
• Abstract（参考訳）: 産業の自動化や部品の品質保証には異常検出が重要であり、いくつかの例から見て、部品の異常を容易に検出できるが、人間や人間の能力以上で実行できる汎用的な自動システムの設計は依然として課題である。 本稿では,事前学習された畳み込みニューラルネットワーク(cnn)を活用して,畳み込みフィルタの活性化を観測して名目入力の統計モデルを生成する,fads(feature-based anomaly detection system)と呼ばれる単純な新しい異常検出アルゴリズムを提案する。 推測中、システムは新しい入力の畳み込みフィルタのアクティベーションを、期待値の範囲外であり、したがって異常となる可能性のある統計モデルとフラグのアクティベーションと比較する。 事前トレーニングネットワークを使用することで、FADSは、CNN重み付けのチューニングを必要とせず、他の機械学習アプローチと類似した異常検出の優れたパフォーマンスを示す。 本稿では,加法的に製造された格子のカスタムデータセット上でプロセスパラメータの変化を検出することによってFADS能力を示す。 fadsローカライズアルゴリズムは、表面で見えるテクスチャの違いがプロセスパラメータの変化を検出するのに使用できることを示した。 さらに,MVTec異常検出データセットなどのベンチマークデータセット上でFADSをテストし,良好な結果を報告する。

関連論文リスト

• Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
  具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。 本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
  論文  参考訳（メタデータ） (2024-01-06T07:30:41Z)
• Electrical Grid Anomaly Detection via Tensor Decomposition [41.94295877935867]
  従来の研究では、SCADAシステム内の異常を正確に識別するために次元減少に基づくアプローチが利用できることが示されている。 本研究では,SCADAシステムにおける異常を識別するために,テンソル分解法であるCanonical Polyadic Alternating Poisson Regressionを確率的枠組みで適用する。 実験では,ロスアラモス国立研究所が運営する電力網から収集した実世界のSCADAシステムデータをモデル化した。
  論文  参考訳（メタデータ） (2023-10-12T18:23:06Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• 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)
• Time Series Anomaly Detection for Cyber-physical Systems via Neural System Identification and Bayesian Filtering [1.9924944826583602]
  AIoT技術は、サイバー物理システム(CPS)の運用障害を検出するために機械学習アルゴリズムを活用する人気が高まっている。 本稿では,ニューラルシステム同定とベイズフィルタ (NSIBF) と呼ばれる新しい時系列異常検出手法を提案する。 NSIBFは最先端の手法と比較し,CPSにおける異常検出の大幅な改善を示した。
  論文  参考訳（メタデータ） (2021-06-15T09:11:35Z)
• Detecting Anomalies Through Contrast in Heterogeneous Data [21.56932906044264]
  先行モデルの欠点に対処するために,コントラスト学習に基づく異種異常検出器を提案する。 我々のモデルは非対称オートエンコーダを使い、大きなarity カテゴリ変数を効果的に処理できる。 木材取引における異常検出におけるモデルの有効性を示す質的研究を行った。
  論文  参考訳（メタデータ） (2021-04-02T17:21:12Z)
• Including Sparse Production Knowledge into Variational Autoencoders to Increase Anomaly Detection Reliability [3.867363075280544]
  可変オートエンコーダニューラルネットワーク構造におけるラベル異常に関するまれな情報を用いて検討する。 この方法は、精度、正確さ、リコールの点で他の全てのモデルを上回る。
  論文  参考訳（メタデータ） (2021-03-24T05:54:12Z)
• TELESTO: A Graph Neural Network Model for Anomaly Classification in Cloud Services [77.454688257702]
  機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。 1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。 与えられたデータの次元変化に不変な手法を提案する。
  論文  参考訳（メタデータ） (2021-02-25T14:24:49Z)
• A Novel Anomaly Detection Algorithm for Hybrid Production Systems based on Deep Learning and Timed Automata [73.38551379469533]
  DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。 深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。 このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
  論文  参考訳（メタデータ） (2020-10-29T08:27:43Z)
• Data Anomaly Detection for Structural Health Monitoring of Bridges using Shapelet Transform [0.0]
  多くの構造健康モニタリング(SHM)システムが、土木インフラを監視するために配備されている。 SHMシステムによって測定されたデータは、故障または故障したセンサーによって引き起こされる複数の異常によって影響を受ける傾向にある。 本稿では,SHMデータの異常を自律的に識別するために,Shapelet Transformという比較的新しい時系列表現を提案する。
  論文  参考訳（メタデータ） (2020-08-31T01:11:04Z)
• 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。