Fugu-MT 論文翻訳(概要): An Attention Free Conditional Autoencoder For Anomaly Detection in Cryptocurrencies

論文の概要: An Attention Free Conditional Autoencoder For Anomaly Detection in Cryptocurrencies

arxiv url: http://arxiv.org/abs/2304.10614v1
Date: Thu, 20 Apr 2023 19:20:18 GMT
ステータス: 処理完了
システム内更新日: 2023-04-24 16:45:07.572104
Title: An Attention Free Conditional Autoencoder For Anomaly Detection in Cryptocurrencies
Title（参考訳）: 暗号通貨における異常検出のためのアテンションフリーコンディショナルオートエンコーダ
Authors: Hugo Inzirillo and Ludovic De Villelongue
Abstract要約: 我々は,時系列中の異常を検出するための注意自由条件自動エンコーダ (AF-CA) を提案する。注意自由条件オートエンコーダとLSTMオートエンコーダの結果を比較し,説明力の向上を図った。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: It is difficult to identify anomalies in time series, especially when there is a lot of noise. Denoising techniques can remove the noise but this technique can cause a significant loss of information. To detect anomalies in the time series we have proposed an attention free conditional autoencoder (AF-CA). We started from the autoencoder conditional model on which we added an Attention-Free LSTM layer \cite{inzirillo2022attention} in order to make the anomaly detection capacity more reliable and to increase the power of anomaly detection. We compared the results of our Attention Free Conditional Autoencoder with those of an LSTM Autoencoder and clearly improved the explanatory power of the model and therefore the detection of anomaly in noisy time series.
Abstract（参考訳）: 時系列における異常を識別することは、特にノイズが多い場合に困難である。ノイズを除去する手法もあるが、この手法は情報に大きな損失をもたらす可能性がある。時系列における異常を検出するために,AF-CA (A attention free conditional autoencoder) を提案する。我々は,異常検出能力の信頼性を高め,異常検出能力を高めるために,アテンションフリーのLSTM層 \cite{inzirillo2022attention} を追加したオートエンコーダ条件モデルから始めた。注意自由条件オートエンコーダの結果をlstmオートエンコーダの結果と比較し,モデルの説明力とノイズ時系列における異常の検出精度を明らかに改善した。

関連論文リスト

Calibrated Unsupervised Anomaly Detection in Multivariate Time-series using Reinforcement Learning [0.0]
本稿では,自己エンコーダの潜伏空間における強化学習(RL)を用いた時系列データにおける教師なし異常検出について検討する。我々はウェーブレット解析を用いて異常検出を強化し、時系列データを時間領域と周波数領域の両方に分解する。我々は、合成異常を生成し、モデル内に教師付きフレームワークを埋め込むことで、決定境界を校正する。
論文参考訳（メタデータ） (2025-02-05T15:02:40Z)
MIMII-Gen: Generative Modeling Approach for Simulated Evaluation of Anomalous Sound Detection System [5.578413517654703]
不十分な記録と異常の不足は、堅牢な異常検出システムを開発する上で重要な課題である。本稿では,エンコーダ・デコーダ・フレームワークを統合した遅延拡散モデルを用いて,機械音の多様な異常を生成する手法を提案する。
論文参考訳（メタデータ） (2024-09-27T08:21:31Z)
Robust Tiny Object Detection in Aerial Images amidst Label Noise [50.257696872021164]
本研究は,ノイズラベル管理下での微小物体検出の問題に対処する。本稿では,DN-TOD(Denoising Tiny Object Detector)を提案する。本手法は,1段と2段の両方のオブジェクト検出パイプラインにシームレスに統合できる。
論文参考訳（メタデータ） (2024-01-16T02:14:33Z)
BatchNorm-based Weakly Supervised Video Anomaly Detection [117.11382325721016]
弱教師付きビデオ異常検出では、異常事象の時間的特徴は、しばしば異常な特性を示す。本稿では,BatchNormをWVADに組み込んだBN-WVADを提案する。提案したBN-WVADモデルでは、UCF-CrimeのAUCは87.24%、XD-Violenceは84.93%に達する。
論文参考訳（メタデータ） (2023-11-26T17:47:57Z)
Open-Vocabulary Video Anomaly Detection [57.552523669351636]
監視の弱いビデオ異常検出(VAD)は、ビデオフレームが正常であるか異常であるかを識別するためにビデオレベルラベルを利用する際、顕著な性能を達成した。近年の研究は、より現実的な、オープンセットのVADに取り組み、異常や正常なビデオから見えない異常を検出することを目的としている。本稿ではさらに一歩前進し、未確認および未確認の異常を検知・分類するために訓練済みの大規模モデルを活用することを目的とした、オープン語彙ビデオ異常検出(OVVAD)について検討する。
論文参考訳（メタデータ） (2023-11-13T02:54:17Z)
Are we certain it's anomalous? [57.729669157989235]
時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。 HypADは自己指導で入力信号を再構築する。
論文参考訳（メタデータ） (2022-11-16T21:31:39Z)
A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文参考訳（メタデータ） (2022-09-23T06:09:35Z)
Denoising Architecture for Unsupervised Anomaly Detection in Time-Series [0.0]
このLSTM-Decoderモデルの補体として、Denoising Architectureを紹介します。提案アーキテクチャは精度とトレーニング速度の両方を向上し,LSTMオートエンコーダを非教師付き異常検出タスクに対してより効率的にすることを示した。
論文参考訳（メタデータ） (2022-08-30T15:23:45Z)
Automated Antenna Testing Using Encoder-Decoder-based Anomaly Detection [2.580765958706854]
吸収材料を用いて放射電磁界(EM)を記録可能なアンテナアレイの試験法を提案する。トレーニングしたモデルを用いて正常なシーケンスを再構築し、熱カメラで観測された実際のシーケンスと比較することができる。輪郭に基づく異常検出器は、再構成誤差行列を異常スコアにマッピングし、故障アンテナアレイを特定する。
論文参考訳（メタデータ） (2021-11-27T12:46:25Z)
DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文参考訳（メタデータ） (2021-09-08T14:07:55Z)
Automatic Feature Extraction for Heartbeat Anomaly Detection [7.054093620465401]
医療における異常検出の応用を目的とした、生音声の心拍音の自動抽出に着目する。 1次元非コーダ畳み込みエンコーダとウェーブネットデコーダで構成したオートエンコーダの助けを借りて,特徴を学習する。
論文参考訳（メタデータ） (2021-02-24T13:55:24Z)

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。