論文の概要: Time-series Anomaly Detection based on Difference Subspace between
Signal Subspaces
- arxiv url: http://arxiv.org/abs/2303.17802v2
- Date: Wed, 5 Apr 2023 02:13:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-06 15:03:43.677551
- 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
- An Adaptive Spatial-Temporal Local Feature Difference Method for
Infrared Small-moving Target Detection [8.466660143185493]
適応的背景抑圧(ABS)を用いた時空間局所特徴差法(STLFD)を提案する。
提案手法では,空間領域と時間領域のフィルタを用いて,出力に対して画素レベルのABSを行い,対象と背景のコントラストを高める。
実験の結果,提案手法は赤外線小移動目標検出のための最先端手法よりも優れていた。
論文 参考訳(メタデータ) (2023-09-05T08:56:20Z) - 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 [37.07719057727345]
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) - dual unet:a novel siamese network for change detection with cascade
differential fusion [4.651756476458979]
本稿では,変化検出タスク,すなわちDual-UNetのための新しいSiameseニューラルネットワークを提案する。
従来のバイテンポラル画像の符号化とは対照的に,画素の空間的差分関係に着目したエンコーダ差分アテンションモジュールを設計する。
実験により、提案手法は、一般的な季節変化検出データセットにおいて、常に最も高度な手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2022-08-12T14:24:09Z) - 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) - Optical-Flow-Reuse-Based Bidirectional Recurrent Network for Space-Time
Video Super-Resolution [52.899234731501075]
時空間ビデオ超解像(ST-VSR)は、与えられたビデオの空間解像度とフレームレートを同時に増加させる。
既存の手法は通常、近隣の幅広いフレームからの情報を効率的に活用する方法の難しさに悩まされる。
本稿では,隣接するフレーム間の知識を活用するために,ConvLSTMの代わりに粗大な双方向リカレントニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2021-10-13T15:21:30Z) - Meta Learning Low Rank Covariance Factors for Energy-Based Deterministic
Uncertainty [58.144520501201995]
ニューラルネットワーク層のBi-Lipschitz正規化は、各レイヤの特徴空間におけるデータインスタンス間の相対距離を保存する。
注意セットエンコーダを用いて,タスク固有の共分散行列を効率的に構築するために,対角的,対角的,低ランクな要素のメタ学習を提案する。
また,最終的な予測分布を達成するために,スケールしたエネルギーを利用する推論手法を提案する。
論文 参考訳(メタデータ) (2021-10-12T22:04:19Z) - DCASE 2021 Task 3: Spectrotemporally-aligned Features for Polyphonic
Sound Event Localization and Detection [16.18806719313959]
本稿では,信号パワーと音源方向の正確な時間周波数マッピングが可能な空間キュー拡張対数分光法(SALSA)を提案する。
この新機能で訓練されたディープラーニングベースのモデルでは,DCASEチャレンジのベースラインを大きなマージンで上回りました。
論文 参考訳(メタデータ) (2021-06-29T09:18:30Z) - 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。