Fugu-MT 論文翻訳(概要): RODD: Robust Outlier Detection in Data Cubes

論文の概要: RODD: Robust Outlier Detection in Data Cubes

arxiv url: http://arxiv.org/abs/2303.08193v1
Date: Tue, 14 Mar 2023 19:29:46 GMT
ステータス: 翻訳完了
システム内更新日: 2023-03-16 18:35:37.394596
Title: RODD: Robust Outlier Detection in Data Cubes
Title（参考訳）: RODD: データキューブにおけるロバスト外乱検出
Authors: Lara Kuhlmann, Daniel Wilmes, Emmanuel M\"uller, Markus Pauly, Daniel Horn
Abstract要約: 我々は、新しいランダム・フォレスト・ベース・アウトリー検出手法(RODD-RF)を導入する。我々は、ロバストな位置推定器に基づく従来の手法と比較する。その結果,RODD-RFは異常検出の改善につながることが示された。
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: Data cubes are multidimensional databases, often built from several separate databases, that serve as flexible basis for data analysis. Surprisingly, outlier detection on data cubes has not yet been treated extensively. In this work, we provide the first framework to evaluate robust outlier detection methods in data cubes (RODD). We introduce a novel random forest-based outlier detection approach (RODD-RF) and compare it with more traditional methods based on robust location estimators. We propose a general type of test data and examine all methods in a simulation study. Moreover, we apply ROOD-RF to real world data. The results show that RODD-RF can lead to improved outlier detection.
Abstract（参考訳）: データキューブは多次元データベースであり、しばしば複数の別々のデータベースから構築され、データ分析の柔軟な基盤となる。驚いたことに、データキューブの外れ値検出はまだ広く扱われていない。本研究では,データキューブ(RODD)におけるロバストな外乱検出手法を評価するための最初のフレームワークを提供する。そこで我々は,新しいランダムな森林外層検出手法(RODD-RF)を導入し,ロバストな位置推定器に基づく従来手法と比較した。シミュレーション研究において,テストデータの汎用型を提案し,すべての手法について検討する。さらに,実世界のデータにROOD-RFを適用した。その結果,RODD-RFは異常検出の改善につながることが示された。

関連論文リスト

Fuzzy Granule Density-Based Outlier Detection with Multi-Scale Granular Balls [65.44462297594308]
外乱検出は、正常なデータの分布から大きく逸脱する異常なサンプルの同定を指す。ほとんどの教師なしの外れ値検出方法は、指定された外れ値を検出するために慎重に設計されている。ファジィ粗集合に基づくマルチスケールアウトレイラ検出手法を提案し,様々な種類のアウトレイラを同定する。
論文参考訳（メタデータ） (2025-01-06T12:35:51Z)
Unsupervised Anomaly Detection for Tabular Data Using Noise Evaluation [26.312206159418903]
教師なし異常検出(UAD)は、現代のデータ分析において重要な役割を果たす。データに含まれるノイズの量を評価することによって,新しいUAD手法を提案する。提案手法が異常データの検出に有効であることを証明し,理論的保証を提供する。
論文参考訳（メタデータ） (2024-12-16T05:35:58Z)
Enhancing Deep Learning based RMT Data Inversion using Gaussian Random Field [8.730845996892551]
本稿では, DLを用いた電波恒星データのインバージョン手法を提案する。ネットワークの一般化能力は、アウト・オブ・ディストリビューション・データセットでテストされた。本手法は,インド・ロルキー近郊の廃棄物処分場からの例証フィールドデータを用いて検証した。
論文参考訳（メタデータ） (2024-10-22T19:47:30Z)
Training on the Benchmark Is Not All You Need [52.01920740114261]
本稿では,複数選択肢の内容に基づいた簡易かつ効果的なデータ漏洩検出手法を提案する。本手法は,モデルトレーニングデータや重みを使用せずに,ブラックボックス条件下で動作することができる。我々は,4つのベンチマークデータセットを用いて,31個の主要なオープンソースLCMのデータ漏洩の程度を評価する。
論文参考訳（メタデータ） (2024-09-03T11:09:44Z)
SARDet-100K: Towards Open-Source Benchmark and ToolKit for Large-Scale SAR Object Detection [79.23689506129733]
我々は,大規模SARオブジェクト検出のための新しいベンチマークデータセットとオープンソース手法を構築した。私たちのデータセットであるSARDet-100Kは、10の既存のSAR検出データセットの厳格な調査、収集、標準化の結果です。私たちの知る限りでは、SARDet-100KはCOCOレベルの大規模マルチクラスSARオブジェクト検出データセットとしては初めてのものです。
論文参考訳（メタデータ） (2024-03-11T09:20:40Z)
Are we really making much progress in unsupervised graph outlier detection? Revisiting the problem with new insight and superior method [36.72922385614812]
UNODは、グラフにおける典型的な2種類の外れ値(構造外値と文脈外値)の検出に重点を置いている。最も広く使われているアウトリー・インジェクションのアプローチは、深刻なデータ漏洩問題であることがわかった。本稿では,分散モデルと属性再構成モデルを組み合わせた分散グラフ外乱検出(VGOD)手法を提案する。
論文参考訳（メタデータ） (2022-10-24T04:09:35Z)
Learning from aggregated data with a maximum entropy model [73.63512438583375]
我々は,観測されていない特徴分布を最大エントロピー仮説で近似することにより,ロジスティック回帰と類似した新しいモデルが,集約データからのみ学習されることを示す。我々は、この方法で学習したモデルが、完全な非凝集データでトレーニングされたロジスティックモデルに匹敵するパフォーマンスを達成することができるという、いくつかの公開データセットに関する実証的な証拠を提示する。
論文参考訳（メタデータ） (2022-10-05T09:17:27Z)
Test-time Training for Data-efficient UCDR [22.400837122986175]
ユニバーサルクロスドメイン検索プロトコルはこの分野のパイオニアである。本研究では,一般化された検索問題をデータ効率で探索する。
論文参考訳（メタデータ） (2022-08-19T07:50:04Z)
Generating Data to Mitigate Spurious Correlations in Natural Language Inference Datasets [27.562256973255728]
自然言語処理モデルはしばしば、タスクに依存しない特徴とデータセットのラベルの間の急激な相関を利用して、トレーニング対象のディストリビューション内でのみうまく機能する。そこで本研究では, 脱バイアス化したデータセットを生成して, 脱バイアス化したオフザシェルフモデルをトレーニングする手法を提案する。提案手法は,1)高品質なラベル一貫性のあるデータサンプルを生成するためのデータジェネレータの訓練方法,2)素粒子相関に寄与するデータ点を除去するフィルタリング機構から構成される。
論文参考訳（メタデータ） (2022-03-24T09:08:05Z)
Unsupervised Outlier Detection using Memory and Contrastive Learning [53.77693158251706]
特徴空間における外乱検出は,外乱検出から外乱検出までの特徴距離を測定することで行うことができると考えている。本稿では,メモリモジュールとコントラスト学習モジュールを用いたMCODフレームワークを提案する。提案したMCODは高い性能を達成し,9つの最先端手法より優れる。
論文参考訳（メタデータ） (2021-07-27T07:35:42Z)
RECol: Reconstruction Error Columns for Outlier Detection [3.539745817331099]
我々はREColという汎用データ前処理手法を導入し、アウト・アウト・ファッションで追加のカラムを生成する。各列に対して、他の列に基づいてその値を予測し、再構成エラー列を生成する。生成した再構成誤り特徴空間は一般に一般的な外れ値検出法をサポートし,ROC-AUC値とPR-AUC値を大幅に改善することを示す。
論文参考訳（メタデータ） (2021-02-04T18:24:59Z)
TadGAN: Time Series Anomaly Detection Using Generative Adversarial Networks [73.01104041298031]
TadGANは、GAN(Generative Adversarial Networks)上に構築された教師なしの異常検出手法である。時系列の時間相関を捉えるために,ジェネレータと批評家のベースモデルとしてLSTMリカレントニューラルネットワークを用いる。提案手法の性能と一般化性を示すため,いくつかの異常スコアリング手法を検証し,最も適した手法を報告する。
論文参考訳（メタデータ） (2020-09-16T15:52:04Z)
BREEDS: Benchmarks for Subpopulation Shift [98.90314444545204]
本研究では,人口変動に対するモデルのロバスト性を評価する手法を開発した。既存のデータセットの基盤となるクラス構造を利用して、トレーニングとテストの分散を構成するデータサブポピュレーションを制御する。この手法をImageNetデータセットに適用し、様々な粒度のサブポピュレーションシフトベンチマークスイートを作成する。
論文参考訳（メタデータ） (2020-08-11T17:04:47Z)

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。