Fugu-MT 論文翻訳(概要): Self-Supervised Anomaly Detection: A Survey and Outlook

論文の概要: Self-Supervised Anomaly Detection: A Survey and Outlook

arxiv url: http://arxiv.org/abs/2205.05173v2
Date: Thu, 12 May 2022 08:58:23 GMT
ステータス: 処理完了
システム内更新日: 2022-05-14 06:56:14.886687
Title: Self-Supervised Anomaly Detection: A Survey and Outlook
Title（参考訳）: 自己監視型異常検出:調査と展望
Authors: Hadi Hojjati, Thi Kieu Khanh Ho, Narges Armanfard
Abstract要約: 自己監督型異常検出は最先端の精度をかなりの差で上回っている。共通のアプローチの技術的詳細を説明し、その強みと欠点について論じる。
参考スコア（独自算出の注目度）: 3.502112118170715
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Over the past few years, anomaly detection, a subfield of machine learning that is mainly concerned with the detection of rare events, witnessed an immense improvement following the unprecedented growth of deep learning models. Recently, the emergence of self-supervised learning has sparked the development of new anomaly detection algorithms that surpassed state-of-the-art accuracy by a significant margin. This paper aims to review the current approaches in self-supervised anomaly detection. We present technical details of the common approaches and discuss their strengths and drawbacks. We also compare the performance of these models against each other and other state-of-the-art anomaly detection models. Finally, we discuss a variety of new directions for improving the existing algorithms.
Abstract（参考訳）: 過去数年間、まれな事象の検出を主眼とする機械学習のサブフィールドである異常検出は、ディープラーニングモデルが前例のない成長を遂げた後、大幅な改善をみせた。近年,自己教師付き学習の出現により,最先端精度をかなり超えた新しい異常検出アルゴリズムが開発されている。本稿では,自己監督型異常検出における現在のアプローチを概観する。共通のアプローチの技術的詳細を説明し、その強みと欠点について論じる。また,これらのモデルの性能を,他の最先端の異常検出モデルと比較した。最後に、既存のアルゴリズムを改善するための様々な新しい方向について論じる。
全文参考訳へのリンク

関連論文リスト

Continual Learning with Bayesian Model based on a Fixed Pre-trained Feature Extractor [55.9023096444383]
現在のディープラーニングモデルは、新しいクラスを学ぶ際に古い知識を破滅的に忘れることによって特徴づけられる。人間の脳における新しい知識の学習プロセスに着想を得て,連続学習のためのベイズ生成モデルを提案する。
論文参考訳（メタデータ） (2022-04-28T08:41:51Z)
Do Deep Neural Networks Contribute to Multivariate Time Series Anomaly Detection? [12.419938668514042]
従来の機械学習とディープニューラルネットワークを用いた16種類の異常検出性能について検討した。 16の手法のそれぞれの性能を解析・比較することにより,他の手法よりも優れた手法群が存在しないことを示す。
論文参考訳（メタデータ） (2022-04-04T16:32:49Z)
Catching Both Gray and Black Swans: Open-set Supervised Anomaly Detection [90.32910087103744]
ラベル付き異常な例は、多くの現実世界のアプリケーションでよく見られる。これらの異常例は、アプリケーション固有の異常について貴重な知識を提供する。トレーニング中に見られる異常は、可能なあらゆる種類の異常を説明できないことが多い。本稿では,オープンセット型教師付き異常検出に取り組む。
論文参考訳（メタデータ） (2022-03-28T05:21:37Z)
Object-centric and memory-guided normality reconstruction for video anomaly detection [56.64792194894702]
本稿では,ビデオ監視における異常検出問題に対処する。異常事象の固有な規則性と不均一性のため、問題は正規性モデリング戦略と見なされる。我々のモデルは、トレーニング中に異常なサンプルを見ることなく、オブジェクト中心の正規パターンを学習する。
論文参考訳（メタデータ） (2022-03-07T19:28:39Z)
Trustworthy Anomaly Detection: A Survey [22.976960488191505]
異常検出には、銀行詐欺検出やサイバー侵入検出など、幅広い現実世界の応用がある。成功にもかかわらず、異常検出モデルは依然として多くの制限に直面している。
論文参考訳（メタデータ） (2022-02-15T23:25:37Z)
Self-Supervised Predictive Convolutional Attentive Block for Anomaly Detection [97.93062818228015]
本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
論文参考訳（メタデータ） (2021-11-17T13:30:31Z)
A Critical Study on the Recent Deep Learning Based Semi-Supervised Video Anomaly Detection Methods [3.198144010381572]
本稿では,この分野の研究者を新たな視点に紹介し,最近の深層学習に基づく半教師付きビデオ異常検出手法についてレビューする。私たちのゴールは、より効果的なビデオ異常検出方法の開発を支援することです。
論文参考訳（メタデータ） (2021-11-02T14:00:33Z)
Explainable Deep Few-shot Anomaly Detection with Deviation Networks [123.46611927225963]
本稿では,弱い教師付き異常検出フレームワークを導入し,検出モデルを訓練する。提案手法は,ラベル付き異常と事前確率を活用することにより,識別正規性を学習する。我々のモデルはサンプル効率が高く頑健であり、クローズドセットとオープンセットの両方の設定において最先端の競合手法よりもはるかに優れている。
論文参考訳（メタデータ） (2021-08-01T14:33:17Z)
A Survey on Anomaly Detection for Technical Systems using LSTM Networks [0.0]
異常は、意図されたシステムの動作から逸脱し、部分的または完全なシステム障害と同様に効率が低下する可能性がある。本稿では,ディープニューラルネットワーク,特に長期記憶ネットワークを用いた最先端異常検出に関する調査を行う。調査したアプローチは、アプリケーションシナリオ、データ、異常タイプ、およびさらなるメトリクスに基づいて評価される。
論文参考訳（メタデータ） (2021-05-28T13:24:40Z)
Towards Fair Deep Anomaly Detection [24.237000220172906]
我々は,fair anomaly detectionアプローチ(deep fair svdd)のための新しいアーキテクチャを提案する。提案手法は,異常検出性能の低下を最小限に抑えることで不公平を解消できることを示す。
論文参考訳（メタデータ） (2020-12-29T22:34:45Z)
Knowledge as Invariance -- History and Perspectives of Knowledge-augmented Machine Learning [69.99522650448213]
機械学習の研究は転換点にある。研究の関心は、高度にパラメータ化されたモデルのパフォーマンス向上から、非常に具体的なタスクへとシフトしている。このホワイトペーパーは、機械学習研究におけるこの新興分野の紹介と議論を提供する。
論文参考訳（メタデータ） (2020-12-21T15:07:19Z)

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。