論文の概要: Explainable Contextual Anomaly Detection using Quantile Regression
Forests
- arxiv url: http://arxiv.org/abs/2302.11239v3
- Date: Fri, 4 Aug 2023 11:59:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-07 16:09:44.237070
- Title: Explainable Contextual Anomaly Detection using Quantile Regression
Forests
- Title(参考訳): 分位回帰森林を用いた説明可能な文脈異常検出
- Authors: Zhong Li, Matthijs van Leeuwen
- Abstract要約: 本研究では,依存性に基づく従来の異常検出手法とコンテキスト異常検出手法の接続を開発する。
そこで本研究では,文脈異常検出を自然に解釈する手法を提案する。
本手法は, 精度と解釈可能性の観点から, 最先端の異常検出法より優れる。
- 参考スコア(独自算出の注目度): 14.80211278818555
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Traditional anomaly detection methods aim to identify objects that deviate
from most other objects by treating all features equally. In contrast,
contextual anomaly detection methods aim to detect objects that deviate from
other objects within a context of similar objects by dividing the features into
contextual features and behavioral features. In this paper, we develop
connections between dependency-based traditional anomaly detection methods and
contextual anomaly detection methods. Based on resulting insights, we propose a
novel approach to inherently interpretable contextual anomaly detection that
uses Quantile Regression Forests to model dependencies between features.
Extensive experiments on various synthetic and real-world datasets demonstrate
that our method outperforms state-of-the-art anomaly detection methods in
identifying contextual anomalies in terms of accuracy and interpretability.
- Abstract(参考訳): 従来の異常検出方法は、全ての特徴を等しく扱うことによって、他のほとんどのオブジェクトから逸脱するオブジェクトを識別することを目的としている。
対照的に、コンテキスト異常検出手法は、特徴を文脈的特徴と行動的特徴に分割することで、類似したオブジェクトのコンテキスト内で他のオブジェクトから逸脱するオブジェクトを検出することを目的としている。
本稿では,依存性に基づく従来の異常検出手法とコンテキスト異常検出手法の接続を開発する。
そこで本研究では,特徴間の依存関係をモデル化するためにQuantile Regression Forestsを用いた文脈異常検出手法を提案する。
各種合成および実世界のデータセットに対する広範囲な実験により,我々の手法は,精度と解釈可能性の観点から文脈異常を識別する最先端の異常検出手法よりも優れていることが示された。
関連論文リスト
- Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。
既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。
システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文 参考訳(メタデータ) (2023-04-21T02:20:24Z) - Towards Interpretable Anomaly Detection via Invariant Rule Mining [2.538209532048867]
本研究では,不変ルールマイニングによる高度に解釈可能な異常検出を追求する。
具体的には、決定木学習と相関ルールマイニングを活用して、不変ルールを自動的に生成する。
生成された不変規則は、異常検出結果の明示的な説明を提供することができるため、その後の意思決定には極めて有用である。
論文 参考訳(メタデータ) (2022-11-24T13:03:20Z) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [55.52743265122446]
ディープオートエンコーダは視覚領域における異常検出のタスクに使われてきた。
我々は、訓練中に識別情報を使用することが可能な自己指導型学習体制を適用することで、この問題に対処する。
MVTec ADデータセットを用いた実験では,高い検出性能と局所化性能を示した。
論文 参考訳(メタデータ) (2022-06-23T14:16:30Z) - Context-Dependent Anomaly Detection with Knowledge Graph Embedding
Models [0.0]
本研究では,コンテキスト依存型異常検出問題をリンク予測問題に変換するフレームワークを開発する。
本研究では,文脈依存型異常を高い精度で検出できることを示す。
論文 参考訳(メタデータ) (2022-03-17T14:36:12Z) - 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) - Contrastive Object Detection Using Knowledge Graph Embeddings [72.17159795485915]
一つのホットアプローチで学習したクラス埋め込みの誤差統計と、自然言語処理や知識グラフから意味的に構造化された埋め込みを比較した。
本稿では,キーポイントベースおよびトランスフォーマーベースオブジェクト検出アーキテクチャの知識埋め込み設計を提案する。
論文 参考訳(メタデータ) (2021-12-21T17:10:21Z) - Efficient Anomaly Detection Using Self-Supervised Multi-Cue Tasks [2.9237210794416755]
異なる視覚的手がかりに焦点をあてる新しい識別的・生成的タスクを導入する。
そこで本研究では,新しい分布検出機能を提案し,その安定性を他の分布検出方法と比較した。
我々のモデルは、これらの自己教師型タスクを用いて、高度に識別可能な特徴をより正確に学習することができる。
論文 参考訳(メタデータ) (2021-11-24T09:54:50Z) - Abnormal Behavior Detection Based on Target Analysis [57.78993932008633]
本稿では,対象,動作,動作の3つの分岐を通して各対象を解析する多変量融合法を提案する。
これらの枝が注目する情報は異なっており、相互に補完し、異常な振る舞いを共同で検出することができる。
論文 参考訳(メタデータ) (2021-07-29T02:03:47Z) - Graph Neural Network-Based Anomaly Detection in Multivariate Time Series [17.414474298706416]
我々は,高次元時系列データにおける異常を検出する新しい方法を開発した。
我々のアプローチは、構造学習アプローチとグラフニューラルネットワークを組み合わせている。
本研究では,本手法がベースラインアプローチよりも高精度に異常を検出することを示す。
論文 参考訳(メタデータ) (2021-06-13T09:07:30Z) - Pixel-wise Anomaly Detection in Complex Driving Scenes [30.884375526254836]
本稿では,不確実性マップを用いて異常検出を改善する画素方向異常検出フレームワークを提案する。
私たちのアプローチは、すでにトレーニング済みのセグメンテーションネットワークの一般的なフレームワークとして機能します。
さまざまな異常データセットを対象としたトップ2パフォーマンスは、異なる異常インスタンスを扱うアプローチの堅牢性を示している。
論文 参考訳(メタデータ) (2021-03-09T14:26:20Z) - Slender Object Detection: Diagnoses and Improvements [74.40792217534]
本稿では,超高アスペクト比,すなわちtextbfslender オブジェクトの特定タイプの検出について検討する。
古典的物体検出法では、細い物体に対してのみ評価される場合、COCO上の18.9%のmAPの劇的な低下が観察される。
論文 参考訳(メタデータ) (2020-11-17T09:39:42Z)
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。