論文の概要: Time-series Anomaly Detection based on Difference Subspace between Signal Subspaces

• arxiv url: http://arxiv.org/abs/2303.17802v1
• Date: Fri, 31 Mar 2023 05:22:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-03 15:19:21.166424
• Title: Time-series Anomaly Detection based on Difference Subspace between Signal Subspaces
• Title（参考訳）: 信号部分空間間の差分部分空間に基づく時系列異常検出
• Authors: Takumi Kanai, Naoya Sogi, Atsuto Maki, Kazuhiro Fukui
• Abstract要約: 本稿では,差分部分空間の概念を特異スペクトル解析(SSA)に取り入れた時系列データにおける異常検出手法を提案する。 鍵となる考え方は、過去と現在の時系列データに対応する2つの信号部分空間間の差分部分空間のわずかな時間変化を異常スコアとして監視することである。 公開時系列データセットの性能評価により,提案手法の有効性を実証する。
• 参考スコア（独自算出の注目度）: 14.367219676045453
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a new method for anomaly detection in time-series data by incorporating the concept of difference subspace into the singular spectrum analysis (SSA). The key idea is to monitor slight temporal variations of the difference subspace between two signal subspaces corresponding to the past and present time-series data, as anomaly score. It is a natural generalization of the conventional SSA-based method which measures the minimum angle between the two signal subspaces as the degree of changes. By replacing the minimum angle with the difference subspace, our method boosts the performance while using the SSA-based framework as it can capture the whole structural difference between the two subspaces in its magnitude and direction. We demonstrate our method's effectiveness through performance evaluations on public time-series datasets.
• Abstract（参考訳）: 本稿では,差分部分空間の概念を特異スペクトル解析(SSA)に取り入れた時系列データの異常検出手法を提案する。 鍵となる考え方は、過去と現在の時系列データに対応する2つの信号部分空間間の差分部分空間のわずかな時間変化を異常スコアとして監視することである。 これは、2つの信号部分空間間の最小角度を変化度として測定する従来のSSA法を自然な一般化である。 最小角度を差分部分空間に置き換えることで、SSAベースのフレームワークを用いて、その大きさと方向における2つの部分空間の全体構造的差異を捉えることができる。 公開時系列データセットの性能評価により,提案手法の有効性を実証する。

関連論文リスト

• A spectral method for multi-view subspace learning using the product of projections [0.16385815610837165]
  マルチビューデータに対する簡易かつスケーラブルな推定アルゴリズムを提案する。 特に、回転ブートストラップとランダム行列理論を用いて、観測されたスペクトルを結合、個人、ノイズ部分空間に分割する。 シミュレーションでは,既存の手法よりも高精度に結合部分空間と個々の部分空間を推定する。
  論文  参考訳（メタデータ） (2024-10-24T19:51:55Z)
• DSLO: Deep Sequence LiDAR Odometry Based on Inconsistent Spatio-temporal Propagation [66.8732965660931]
  本稿では,LiDAR odometry DSLO の非一貫性時間伝搬に基づく3次元点列学習モデルを提案する。 ピラミッド構造で、シーケンシャルなポーズモジュール、階層的なポーズリファインメントモジュール、時間的特徴伝搬モジュールで構成されている。
  論文  参考訳（メタデータ） (2024-09-01T15:12:48Z)
• Subspace Representation Learning for Sparse Linear Arrays to Localize More Sources than Sensors: A Deep Learning Methodology [19.100476521802243]
  我々はスパース線形アレイ(SLA)のサンプル共分散からコアレイ部分空間を推定する新しい手法を開発した。 このような表現を学習するために、所望部分空間と推定部分空間との分離を測る損失関数を提案する。 異なる次元の学習部分空間の計算は、新しいバッチサンプリング戦略によって高速化される。
  論文  参考訳（メタデータ） (2024-08-29T15:14:52Z)
• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• Paving the way toward foundation models for irregular and unaligned Satellite Image Time Series [0.0]
  衛星画像の空間的, スペクトル的, 時間的次元を考慮したALISEを提案する。 SITSで現在利用可能なSSLモデルとは異なり、ALISEはSITSを共通の学習された時間的プロジェクション空間に投影するための柔軟なクエリメカニズムを組み込んでいる。 PASTIS, 土地被覆区分 (MultiSenGE) , 新たな作物変化検出データセットの3つの下流課題を通じて, 生産された表現の質を評価する。
  論文  参考訳（メタデータ） (2024-07-11T12:42:10Z)
• Implicit neural representation for change detection [15.741202788959075]
  点雲の変化を検出する最も一般的なアプローチは、教師付き手法に基づいている。 Inlicit Neural Representation (INR) for continuous shape reconstruction と Gaussian Mixture Model for categorising change の2つのコンポーネントからなる教師なしアプローチを提案する。 本手法を都市スプロールのためのシミュレーションLiDAR点雲からなるベンチマークデータセットに適用する。
  論文  参考訳（メタデータ） (2023-07-28T09:26:00Z)
• SubspaceNet: Deep Learning-Aided Subspace Methods for DoA Estimation [36.647703652676626]
  SubspaceNetは、観測を区別可能な部分空間に分割する方法を学ぶデータ駆動型DoA推定器である。 SubspaceNetは、コヒーレントソース、広帯域信号、低いSNR、配列ミスマッチ、限られたスナップショットに対処する様々なDoA推定アルゴリズムを実現する。
  論文  参考訳（メタデータ） (2023-06-04T06:30:13Z)
• Local-Global Temporal Difference Learning for Satellite Video Super-Resolution [55.69322525367221]
  本稿では,時間的差分を効果的かつ効果的な時間的補償に利用することを提案する。 フレーム内における局所的・大域的時間的情報を完全に活用するために,短期・長期的時間的相違を体系的にモデル化した。 5つの主流ビデオ衛星に対して行われた厳密な客観的および主観的評価は、我々の手法が最先端のアプローチに対して好適に機能することを実証している。
  論文  参考訳（メタデータ） (2023-04-10T07:04:40Z)
• Robust Bayesian Subspace Identification for Small Data Sets [91.3755431537592]
  分散効果を低減するため,正規化推定器,縮小推定器,ベイズ推定器を提案する。 実験の結果,提案した推定器は従来の部分空間法よりも40%のコストで推定リスクを低減できることがわかった。
  論文  参考訳（メタデータ） (2022-12-29T00:29:04Z)
• Error-Aware Spatial Ensembles for Video Frame Interpolation [50.63021118973639]
  近年,ビデオフレーム(VFI)アルゴリズムは,データ駆動アルゴリズムと実装の両面で前例のない進歩により,大幅に改善されている。 近年の研究では、挑戦的なVFIシナリオに対処する手段として、高度な動き推定や新しいワープ手法が導入されている。 本研究は、光フローとIEの相関関係を詳細に検討することにより、中間フレームを異なるIEレベルに対応する異なる領域に分割する新しいエラー予測指標を提案する。
  論文  参考訳（メタデータ） (2022-07-25T16:15:38Z)
• Bi-Dimensional Feature Alignment for Cross-Domain Object Detection [71.85594342357815]
  教師なしクロスドメイン検出モデルを提案する。 ソースドメインのアノテーション付きデータを利用して、異なるターゲットドメインに対してオブジェクト検出器をトレーニングする。 提案モデルでは、オブジェクト検出のためのクロスドメイン表現のばらつきを緩和する。
  論文  参考訳（メタデータ） (2020-11-14T03:03:11Z)

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。