論文の概要: Anomaly Detection with Variance Stabilized Density Estimation

• arxiv url: http://arxiv.org/abs/2306.00582v2
• Date: Wed, 8 May 2024 07:27:18 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-09 19:30:12.997877
• Title: Anomaly Detection with Variance Stabilized Density Estimation
• Title（参考訳）: 可変密度推定による異常検出
• Authors: Amit Rozner, Barak Battash, Henry Li, Lior Wolf, Ofir Lindenbaum,
• Abstract要約: 本稿では, 観測試料の確率を最大化するための分散安定化密度推定問題を提案する。 信頼性の高い異常検知器を得るために,分散安定化分布を学習するための自己回帰モデルのスペクトルアンサンブルを導入する。 我々は52のデータセットで広範なベンチマークを行い、我々の手法が最先端の結果につながることを示した。
• 参考スコア（独自算出の注目度）: 49.46356430493534
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a modified density estimation problem that is highly effective for detecting anomalies in tabular data. Our approach assumes that the density function is relatively stable (with lower variance) around normal samples. We have verified this hypothesis empirically using a wide range of real-world data. Then, we present a variance-stabilized density estimation problem for maximizing the likelihood of the observed samples while minimizing the variance of the density around normal samples. To obtain a reliable anomaly detector, we introduce a spectral ensemble of autoregressive models for learning the variance-stabilized distribution. We have conducted an extensive benchmark with 52 datasets, demonstrating that our method leads to state-of-the-art results while alleviating the need for data-specific hyperparameter tuning. Finally, we have used an ablation study to demonstrate the importance of each of the proposed components, followed by a stability analysis evaluating the robustness of our model.
• Abstract（参考訳）: 本稿では,表データの異常検出に有効である修正密度推定問題を提案する。 この方法では、密度関数は通常のサンプルの周囲で比較的安定である(分散が低い)と仮定する。 我々は、幅広い実世界のデータを用いて、この仮説を実証的に検証した。 そこで本研究では,標準試料の周囲の密度の分散を最小化しつつ,観測試料の確率を最大化する分散安定化密度推定問題を提案する。 信頼性の高い異常検知器を得るために,分散安定化分布を学習するための自己回帰モデルのスペクトルアンサンブルを導入する。 我々は52のデータセットで広範なベンチマークを行い、我々の手法がデータ固有のハイパーパラメータチューニングの必要性を軽減しつつ、最先端の結果につながることを示した。 最後に,各成分の重要性を明らかにするためにアブレーション実験を行い,続いてモデルのロバスト性を評価する安定性解析を行った。

関連論文リスト

• Regulating Model Reliance on Non-Robust Features by Smoothing Input Marginal Density [93.32594873253534]
  信頼できる機械学習は、非ロバストな特徴に依存するモデルの厳密な規制を必要とする。 本稿では,モデル予測を入力に関連付けることによって,そのような特徴を記述・規制するフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-05T09:16:56Z)
• Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
  異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。 異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
  論文  参考訳（メタデータ） (2024-04-24T09:04:36Z)
• Investigating the Adversarial Robustness of Density Estimation Using the Probability Flow ODE [4.7818621660181595]
  我々は,新しい逆積分攻撃を含む6つの勾配に基づくログライクフード攻撃を導入,評価した。 CIFAR-10を用いた実験では, PF ODE を用いた密度推定は高複雑さ, 高線量攻撃に対して頑健であり, 場合によっては, 頑健な推定器から予測されるように, 対数サンプルが意味論的に意味があることが示唆された。
  論文  参考訳（メタデータ） (2023-10-10T23:58:53Z)
• Sobolev Space Regularised Pre Density Models [51.558848491038916]
  本研究では,ソボレフ法則の正則化に基づく非パラメトリック密度推定法を提案する。 この方法は統計的に一貫したものであり、帰納的検証モデルを明確かつ一貫したものにしている。
  論文  参考訳（メタデータ） (2023-07-25T18:47:53Z)
• TabADM: Unsupervised Tabular Anomaly Detection with Diffusion Models [5.314466196448187]
  本稿では,非教師付き異常検出に有効な拡散型確率モデルを提案する。 本モデルは, 特異な拒絶手法を用いて, サンプルの密度を学習するよう訓練されている。 低密度領域のサンプルとして異常を同定する。
  論文  参考訳（メタデータ） (2023-07-23T14:02:33Z)
• Understanding Pathologies of Deep Heteroskedastic Regression [25.509884677111344]
  ヘテロスケダスティックモデルは各データポイントの平均ノイズと残留ノイズの両方を予測する。 極端に言えば、これらのモデルはすべてのトレーニングデータを完璧に適合させ、残音を完全に排除する。 他方では、一定で非形式的な平均を予測しながら残音を過度に補正する。 中間地盤の欠如を観察し, モデル正則化強度に依存する相転移を示唆した。
  論文  参考訳（メタデータ） (2023-06-29T06:31:27Z)
• Copula-Based Density Estimation Models for Multivariate Zero-Inflated Continuous Data [0.0]
  ゼロインフレート連続変数間の多変量相関に対処できる2つのコプラに基づく密度推定モデルを提案する。 ゼロインフレーションデータにおける結び付きデータ問題によるコプラの使用の難しさを克服するために,我々は新しいタイプのコプラ,補正されたガウスコプラを提案する。
  論文  参考訳（メタデータ） (2023-04-02T13:43:37Z)
• Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
  ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。 そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
  論文  参考訳（メタデータ） (2021-08-25T21:30:27Z)
• Low-rank Characteristic Tensor Density Estimation Part I: Foundations [38.05393186002834]
  テンソル因子化ツールに基づく新しい手法を提案する。 次元の呪いを回避するため、この特性テンソルの低ランクモデルを導入する。 提案手法の有望な性能を,複数の測定データを用いて実証する。
  論文  参考訳（メタデータ） (2020-08-27T18:06:19Z)
• Balance-Subsampled Stable Prediction [55.13512328954456]
  本稿では, 分数分解設計理論に基づく新しいバランスサブサンプル安定予測法を提案する。 設計理論解析により,提案手法は分布シフトによって誘導される予測器間の共起効果を低減できることを示した。 合成および実世界の両方のデータセットに関する数値実験により、BSSPアルゴリズムは未知のテストデータ間で安定した予測を行うためのベースライン法を著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2020-06-08T07:01:38Z)

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。