論文の概要: Frequency of Interest-based Noise Attenuation Method to Improve Anomaly Detection Performance

• arxiv url: http://arxiv.org/abs/2210.11068v1
• Date: Thu, 20 Oct 2022 07:42:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-21 14:25:11.018816
• Title: Frequency of Interest-based Noise Attenuation Method to Improve Anomaly Detection Performance
• Title（参考訳）: 利子に基づく雑音減衰の周波数による異常検出性能の向上
• Authors: YeongHyeon Park, Myung Jin Kim, Won Seok Park
• Abstract要約: 本研究では,風騒音などの余分な騒音によるイベント抽出の精度向上手法を提案する。 本手法は,異常検出性能を平均8.506%向上させながら,精度の高いイベント抽出を可能にする。
• 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: Accurately extracting driving events is the way to maximize computational efficiency and anomaly detection performance in the tire frictional nose-based anomaly detection task. This study proposes a concise and highly useful method for improving the precision of the event extraction that is hindered by extra noise such as wind noise, which is difficult to characterize clearly due to its randomness. The core of the proposed method is based on the identification of the road friction sound corresponding to the frequency of interest and removing the opposite characteristics with several frequency filters. Our method enables precision maximization of driving event extraction while improving anomaly detection performance by an average of 8.506%. Therefore, we conclude our method is a practical solution suitable for road surface anomaly detection purposes in outdoor edge computing environments.
• Abstract（参考訳）: 正確な運転イベントの抽出は、タイヤ摩擦鼻による異常検出タスクにおける計算効率と異常検出性能を最大化する手段である。 本研究は,風雑音などの余分な騒音によって妨げられるイベント抽出の精度を向上させるための,簡潔で有用な手法を提案する。 提案手法のコアは,関心周波数に対応する路面摩擦音の同定と,複数の周波数フィルタによる反対特性の除去である。 本手法は,運転イベント抽出の精度を最大化し,異常検出性能を平均8.506%向上させる。 そこで本手法は,屋外エッジコンピューティング環境における路面異常検出目的に適した実用的な解である。

関連論文リスト

• Unsupervised Anomaly Detection Using Diffusion Trend Analysis [48.19821513256158]
  本稿では, 劣化度に応じて, 復元傾向の分析により異常を検出する手法を提案する。 提案手法は,産業用異常検出のためのオープンデータセット上で検証される。
  論文  参考訳（メタデータ） (2024-07-12T01:50:07Z)
• SoftPatch: Unsupervised Anomaly Detection with Noisy Data [67.38948127630644]
  本稿では,画像センサ異常検出におけるラベルレベルのノイズを初めて考察する。 本稿では,メモリベースの非教師付きAD手法であるSoftPatchを提案する。 既存の手法と比較して、SoftPatchは通常のデータの強力なモデリング能力を維持し、コアセットにおける過信問題を軽減する。
  論文  参考訳（メタデータ） (2024-03-21T08:49:34Z)
• Bagged Regularized $k$-Distances for Anomaly Detection [9.899763598214122]
  BRDAD (Bagged regularized $k$-distances for Anomaly Detection) と呼ばれる距離に基づく新しいアルゴリズムを提案する。 我々のBRDADアルゴリズムは、重み付けされた密度推定のための$k$-distances(BWDDE)の実証的リスクの有限標本境界を最小化して重みを選択する。 理論的には,我々のアルゴリズムに対するAUCの高速収束率を確立し,バッグング手法が計算複雑性を著しく減少させることを示す。
  論文  参考訳（メタデータ） (2023-12-02T07:00:46Z)
• High-Order Qubit Dephasing at Sweet Spots by Non-Gaussian Fluctuators: Symmetry Breaking and Floquet Protection [55.41644538483948]
  非ガウスゆらぎによるqubit dephasingについて検討した。 非ガウス雑音に特有の対称性破壊効果を予測する。
  論文  参考訳（メタデータ） (2022-06-06T18:02:38Z)
• TiSAT: Time Series Anomaly Transformer [30.68108039722565]
  本稿では,この評価基準により,初歩的なランダム・ギーズ法が最先端の検出器より優れていることを示す。 本研究では,逐次異常検出の時系列と精度を計測する適切な評価指標を提案する。
  論文  参考訳（メタデータ） (2022-03-10T05:46:58Z)
• Partial Identification with Noisy Covariates: A Robust Optimization Approach [94.10051154390237]
  観測データセットからの因果推論は、しばしば共変量の測定と調整に依存する。 このロバストな最適化手法により、広範囲な因果調整法を拡張し、部分的同定を行うことができることを示す。 合成および実データセット全体で、このアプローチは既存の手法よりも高いカバレッジ確率でATEバウンダリを提供する。
  論文  参考訳（メタデータ） (2022-02-22T04:24:26Z)
• Noise Reduction and Driving Event Extraction Method for Performance Improvement on Driving Noise-based Surface Anomaly Detection [0.0]
  雨水や黒い氷などの路面上の異物はタイヤと表面の間の摩擦を減少させる。 本稿では,計算効率と異常検出性能を向上させるための簡易な駆動イベント抽出法とノイズ低減法を提案する。
  論文  参考訳（メタデータ） (2021-12-14T07:50:30Z)
• Efficient Non-Compression Auto-Encoder for Driving Noise-based Road Surface Anomaly Detection [0.0]
  本稿では,より少ない計算資源と高い異常検出性能を実現するために,畳み込み型自動エンコーダを用いた異常検出モデルを提案する。 その結果、従来のモデルに比べてニューラルネットワークの計算コストは最大1/25に削減され、異常検出性能は最大7.72%向上した。
  論文  参考訳（メタデータ） (2021-11-22T04:59:45Z)
• Removing Noise from Extracellular Neural Recordings Using Fully Convolutional Denoising Autoencoders [62.997667081978825]
  ノイズの多いマルチチャネル入力からクリーンなニューロン活動信号を生成することを学習する完全畳み込みデノイングオートエンコーダを提案する。 シミュレーションデータを用いた実験結果から,提案手法はノイズ崩壊型ニューラルネットワークの品質を大幅に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2021-09-18T14:51:24Z)
• Optimal Sequential Detection of Signals with Unknown Appearance and Disappearance Points in Time [64.26593350748401]
  本論文は、変化の期間が有限で未知であると仮定して、逐次的な変化点検出問題に対処する。 我々は、所定の時間(または空間)ウィンドウにおける最小検出確率を最大化する信頼性の高い最大変更検出基準に焦点を当てる。 FMAアルゴリズムは、光学画像中の衛星のかすかなストリークを検出するために応用される。
  論文  参考訳（メタデータ） (2021-02-02T04:58:57Z)
• Anomaly Detection Under Controlled Sensing Using Actor-Critic Reinforcement Learning [31.841289319809807]
  雑音性二元センサを用いたプロセス群における異常検出の問題点を考察する。 ノーマルプロセスに対応するノイズレスセンサ測定は0であり、その処理が異常であればその測定は1である。 本稿では,検出アルゴリズムの終了時期を動的に決定する逐次センサ選択ポリシーを提案する。
  論文  参考訳（メタデータ） (2020-05-26T22:53:17Z)

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。