Fugu-MT 論文翻訳(概要): AD-DMKDE: Anomaly Detection through Density Matrices and Fourier Features

論文の概要: AD-DMKDE: Anomaly Detection through Density Matrices and Fourier Features

arxiv url: http://arxiv.org/abs/2210.14796v1
Date: Wed, 26 Oct 2022 15:43:16 GMT
ステータス: 処理完了
システム内更新日: 2022-10-27 16:00:25.044401
Title: AD-DMKDE: Anomaly Detection through Density Matrices and Fourier Features
Title（参考訳）: AD-DMKDE:密度行列とフーリエ特徴による異常検出
Authors: Oscar Bustos-Brinez, Joseph Gallego-Mejia, Fabio A. Gonz\'alez
Abstract要約: この方法は、カーネル密度推定(KDE)の効率的な近似と見なすことができる。提案手法を, 各種データセット上での11種類の最先端異常検出手法と体系的に比較した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents a novel density estimation method for anomaly detection using density matrices (a powerful mathematical formalism from quantum mechanics) and Fourier features. The method can be seen as an efficient approximation of Kernel Density Estimation (KDE). A systematic comparison of the proposed method with eleven state-of-the-art anomaly detection methods on various data sets is presented, showing competitive performance on different benchmark data sets. The method is trained efficiently and it uses optimization to find the parameters of data embedding. The prediction phase complexity of the proposed algorithm is constant relative to the training data size, and it performs well in data sets with different anomaly rates. Its architecture allows vectorization and can be implemented on GPU/TPU hardware.
Abstract（参考訳）: 本稿では,密度行列(量子力学の強力な数学的形式)とフーリエ特徴を用いた異常検出のための新しい密度推定法を提案する。この方法はカーネル密度推定(KDE)の効率的な近似と見なすことができる。提案手法を, 各種データセット上での11種類の最先端異常検出手法と体系的に比較し, 異なるベンチマークデータセット上での競合性能を示す。このメソッドは効率的にトレーニングされ、最適化を使ってデータ埋め込みのパラメータを見つける。提案アルゴリズムの予測位相の複雑さは, トレーニングデータサイズに対して一定であり, 異なる異常率のデータセットにおいて良好に機能する。そのアーキテクチャはベクトル化を可能にし、gpu/tpuハードウェアに実装できる。

関連論文リスト

Latent Anomaly Detection Through Density Matrices [3.843839245375552]
本稿では,密度推定に基づく異常検出手法の頑健な統計的原理と深層学習モデルの表現学習能力を組み合わせた,新しい異常検出フレームワークを提案する。このフレームワークから派生した手法は、浅いアプローチと、データの低次元表現を学習するためにオートエンコーダを統合するディープアプローチの2つの異なるバージョンで示される。
論文参考訳（メタデータ） (2024-08-14T15:44:51Z)
Density Estimation via Binless Multidimensional Integration [45.21975243399607]
非パラメトリック、ロバスト、およびデータ効率の高い密度推定のためのBinless Multidimensional Thermodynamic Integration (BMTI)法を提案する。 BMTIは、近隣のデータポイント間の対数密度差を計算し、その密度の対数を推定する。この方法は様々な複雑な合成高次元データセットでテストされ、化学物理学の文献から現実的なデータセットでベンチマークされる。
論文参考訳（メタデータ） (2024-07-10T23:45:20Z)
DynGMA: a robust approach for learning stochastic differential equations from data [13.858051019755283]
パラメータ化されたSDEの遷移密度に新しい近似を導入する。本手法は, 完全に未知のドリフト拡散関数の学習において, ベースライン法と比較して精度が高い。低時間解像度と可変、さらには制御不能な時間ステップサイズでデータを処理できる。
論文参考訳（メタデータ） (2024-02-22T12:09:52Z)
Sobolev Space Regularised Pre Density Models [51.558848491038916]
本研究では,ソボレフ法則の正則化に基づく非パラメトリック密度推定法を提案する。この方法は統計的に一貫したものであり、帰納的検証モデルを明確かつ一貫したものにしている。
論文参考訳（メタデータ） (2023-07-25T18:47:53Z)
Linearized Wasserstein dimensionality reduction with approximation guarantees [65.16758672591365]
LOT Wassmap は、ワーッサーシュタイン空間の低次元構造を明らかにするための計算可能なアルゴリズムである。我々は,LOT Wassmapが正しい埋め込みを実現し,サンプルサイズの増加とともに品質が向上することを示す。また、LOT Wassmapがペア距離計算に依存するアルゴリズムと比較して計算コストを大幅に削減することを示す。
論文参考訳（メタデータ） (2023-02-14T22:12:16Z)
Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文参考訳（メタデータ） (2023-02-13T19:57:17Z)
LEAN-DMKDE: Quantum Latent Density Estimation for Anomaly Detection [0.0]
この方法は、データの低次元表現を学習するためのオートエンコーダと密度推定モデルを組み合わせる。本手法は, 推定密度に基づいて, 新しい試料の正規度を推定する。実験結果から,本手法が他の最先端手法と同等あるいは同等に動作することを示す。
論文参考訳（メタデータ） (2022-11-15T21:51:42Z)
Fast Kernel Density Estimation with Density Matrices and Random Fourier Features [0.0]
カーネル密度推定 (KDE) は、最も広く使われている非パラメトリック密度推定法の一つである。 DMKDEは密度行列、量子力学的定式化、ランダムフーリエ特徴、明示的なカーネル近似を用いて密度推定を生成する。 DMKDEは、計算密度推定の競合と同等であり、高次元データ上で実行された場合の利点が示される。
論文参考訳（メタデータ） (2022-08-02T02:11:10Z)
A Robust and Flexible EM Algorithm for Mixtures of Elliptical Distributions with Missing Data [71.9573352891936]
本稿では、ノイズや非ガウス的なデータに対するデータ計算の欠如に対処する。楕円分布と潜在的な欠落データを扱う特性を混合した新しいEMアルゴリズムについて検討した。合成データの実験的結果は,提案アルゴリズムが外れ値に対して頑健であり,非ガウスデータで使用可能であることを示す。
論文参考訳（メタデータ） (2022-01-28T10:01:37Z)
Density-Based Clustering with Kernel Diffusion [59.4179549482505]
単位$d$次元ユークリッド球のインジケータ関数に対応するナイーブ密度は、密度に基づくクラスタリングアルゴリズムで一般的に使用される。局所分布特性と滑らかさの異なるデータに適応する新しいカーネル拡散密度関数を提案する。
論文参考訳（メタデータ） (2021-10-11T09:00:33Z)
Meta-Learning for Relative Density-Ratio Estimation [59.75321498170363]
相対密度比推定(DRE)の既存の方法は、両方の密度から多くのインスタンスを必要とする。本稿では,関係データセットの知識を用いて,相対密度比を数例から推定する,相対DREのメタラーニング手法を提案する。提案手法の有効性を,相対的DRE,データセット比較,外乱検出の3つの問題を用いて実証的に実証した。
論文参考訳（メタデータ） (2021-07-02T02:13:45Z)

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。