論文の概要: Diagnostic Spatio-temporal Transformer with Faithful Encoding

• arxiv url: http://arxiv.org/abs/2305.17149v1
• Date: Fri, 26 May 2023 05:31:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-30 23:20:19.823907
• Title: Diagnostic Spatio-temporal Transformer with Faithful Encoding
• Title（参考訳）: 忠実符号化を用いた診断時空間変換器
• Authors: Jokin Labaien, Tsuyoshi Id\'e, Pin-Yu Chen, Ekhi Zugasti, Xabier De Carlos
• Abstract要約: 本稿では,データ生成プロセスが複合時間(ST)依存性を持つ場合の異常診断の課題について述べる。 我々は、ST依存を時系列分類の副産物として学習する、教師付き依存発見として問題を定式化する。 既存のST変圧器で使用される時間的位置符号化は、高周波数(短時間スケール)の周波数をキャプチャする重大な制限を有することを示す。 また、空間的および時間的方向の両方で容易に消費可能な診断情報を提供する新しいST依存性発見フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 54.02712048973161
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper addresses the task of anomaly diagnosis when the underlying data generation process has a complex spatio-temporal (ST) dependency. The key technical challenge is to extract actionable insights from the dependency tensor characterizing high-order interactions among temporal and spatial indices. We formalize the problem as supervised dependency discovery, where the ST dependency is learned as a side product of multivariate time-series classification. We show that temporal positional encoding used in existing ST transformer works has a serious limitation in capturing higher frequencies (short time scales). We propose a new positional encoding with a theoretical guarantee, based on discrete Fourier transform. We also propose a new ST dependency discovery framework, which can provide readily consumable diagnostic information in both spatial and temporal directions. Finally, we demonstrate the utility of the proposed model, DFStrans (Diagnostic Fourier-based Spatio-temporal Transformer), in a real industrial application of building elevator control.
• Abstract（参考訳）: 本稿では,データ生成プロセスが複雑な時空間(ST)依存性を持つ場合の異常診断の課題について述べる。 重要な技術的課題は、時間的および空間的指標間の高次相互作用を特徴付ける依存性テンソルから実行可能な洞察を抽出することである。 我々は、ST依存を多変量時系列分類の副産物として学習する教師付き依存発見として問題を定式化する。 既存のST変圧器における時間的位置符号化は、高周波数(短時間スケール)の取得に重大な制限があることを示す。 離散フーリエ変換に基づく理論的な保証を持つ新しい位置符号化を提案する。 また、空間的および時間的方向の両方で容易に消費可能な診断情報を提供する新しいST依存性発見フレームワークを提案する。 最後に,提案モデルであるDFStrans(Diagnostic Fourier-based Spatio-temporal Transformer)の有用性を,エレベータ制御の産業的応用として示す。

関連論文リスト

• TSLANet: Rethinking Transformers for Time Series Representation Learning [19.795353886621715]
  時系列データは、その固有の長短の依存関係によって特徴づけられる。 本稿では,時系列タスクの普遍的畳み込みモデルとして,新しい時系列軽量ネットワーク(TSLANet)を導入する。 我々の実験では、TSLANetは分類、予測、異常検出にまたがる様々なタスクにおいて最先端のモデルよりも優れていることを示した。
  論文  参考訳（メタデータ） (2024-04-12T13:41:29Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• Short-Time Fourier Transform for deblurring Variational Autoencoders [0.0]
  変分オートエンコーダ(VAE)は強力な生成モデルである。 彼らの生成したサンプルは、代替生成技術の出力と比較して、特徴的な曖昧さに悩まされていることが知られている。
  論文  参考訳（メタデータ） (2024-01-06T08:57:11Z)
• Correlation-aware Spatial-Temporal Graph Learning for Multivariate Time-series Anomaly Detection [67.60791405198063]
  時系列異常検出のための相関対応時空間グラフ学習(CST-GL)を提案する。 CST-GLは、多変量時系列相関学習モジュールを介してペアの相関を明示的にキャプチャする。 新規な異常スコアリング成分をCST-GLにさらに統合し、純粋に教師なしの方法で異常の度合いを推定する。
  論文  参考訳（メタデータ） (2023-07-17T11:04:27Z)
• FormerTime: Hierarchical Multi-Scale Representations for Multivariate Time Series Classification [53.55504611255664]
  formerTimeは、多変量時系列分類タスクの分類能力を改善する階層的表現モデルである。 1)時系列データから階層的なマルチスケール表現を学習し、(2)トランスフォーマーと畳み込みネットワークの強さを継承し、(3)自己維持メカニズムによって引き起こされる効率の課題に取り組む。
  論文  参考訳（メタデータ） (2023-02-20T07:46:14Z)
• Towards Robust Video Instance Segmentation with Temporal-Aware Transformer [12.81807735850422]
  本稿では,エンコーダとデコーダの時間的特徴を集約するTAFormerを提案する。 TAFormerは、空間情報と時間情報を効果的に利用して、コンテキスト認識の特徴表現を取得し、最先端の手法より優れている。
  論文  参考訳（メタデータ） (2023-01-20T05:22:16Z)
• ViTs for SITS: Vision Transformers for Satellite Image Time Series [52.012084080257544]
  ビジョン変換器(ViT)に基づく一般衛星画像時系列(SITS)処理のための完全アテンショナルモデルを提案する。 TSViTはSITSレコードを空間と時間で重複しないパッチに分割し、トークン化し、分解されたテンポロ空間エンコーダで処理する。
  論文  参考訳（メタデータ） (2023-01-12T11:33:07Z)
• Towards Long-Term Time-Series Forecasting: Feature, Pattern, and Distribution [57.71199089609161]
  長期的時系列予測(LTTF)は、風力発電計画など、多くのアプリケーションで需要が高まっている。 トランスフォーマーモデルは、高い計算自己認識機構のため、高い予測能力を提供するために採用されている。 LTTFの既存の手法を3つの面で区別する,Conformer という,効率的なTransformer ベースモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-05T13:59:29Z)
• A novel Time-frequency Transformer and its Application in Fault Diagnosis of Rolling Bearings [0.24214594180459362]
  シーケンス処理における標準変換器の膨大な成功に触発された新しい時間周波数変換器(TFT)モデルを提案する。 本稿では,TFTに基づく新しいエンドツーエンドの故障診断フレームワークについて述べる。
  論文  参考訳（メタデータ） (2021-04-19T06:53:31Z)

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。