論文の概要: General Anomaly Detection of Underwater Gliders Validated by Large-scale Deployment Datasets

• arxiv url: http://arxiv.org/abs/2308.00180v3
• Date: Fri, 3 Nov 2023 02:37:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-06 17:29:46.978254
• Title: General Anomaly Detection of Underwater Gliders Validated by Large-scale Deployment Datasets
• Title（参考訳）: 大規模展開データセットによる水中グライダーの一般異常検出
• Authors: Ruochu Yang, Chad Lembke, Fumin Zhang, and Catherine Edwards
• Abstract要約: 本研究では, 海中グライダーの動作状況を評価するために, 異常検出アルゴリズムを用いる。 プロンプト警告は、グライダーパイロットが異常を検知する際、飛行士に提供され、グライダーを制御でき、さらなる危害を防ぐことができる。
• 参考スコア（独自算出の注目度）: 1.5749416770494706
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Underwater gliders have been widely used in oceanography for a range of applications. However, unpredictable events like shark strikes or remora attachments can lead to abnormal glider behavior or even loss of the instrument. This paper employs an anomaly detection algorithm to assess operational conditions of underwater gliders in the real-world ocean environment. Prompt alerts are provided to glider pilots upon detecting any anomaly, so that they can take control of the glider to prevent further harm. The detection algorithm is applied to multiple datasets collected in real glider deployments led by the University of Georgia's Skidaway Institute of Oceanography (SkIO) and the University of South Florida (USF). In order to demonstrate the algorithm generality, the experimental evaluation is applied to four glider deployment datasets, each highlighting various anomalies happening in different scenes. Specifically, we utilize high resolution datasets only available post-recovery to perform detailed analysis of the anomaly and compare it with pilot logs. Additionally, we simulate the online detection based on the real-time subsets of data transmitted from the glider at the surfacing events. While the real-time data may not contain as much rich information as the post-recovery one, the online detection is of great importance as it allows glider pilots to monitor potential abnormal conditions in real time.
• Abstract（参考訳）: 水中グライダーは海洋学で様々な用途に広く用いられている。 しかし、シャークストライクやリモーラアタッチメントのような予測不可能な出来事は、異常なグライダーの挙動や楽器の喪失につながる可能性がある。 本稿では,実世界の海洋環境における水中グライダーの運用状況を評価する異常検出アルゴリズムを提案する。 プロンプト警告は、グライダーパイロットが異常を検知する際、飛行士に提供され、グライダーを制御でき、さらなる危害を防ぐことができる。 この検出アルゴリズムは、ジョージア大学スキダウェイ海洋学研究所(SkIO)と南フロリダ大学(USF)が主導する実際のグライダー配置で収集した複数のデータセットに適用される。 アルゴリズムの汎用性を示すために,4つのgliderデプロイメントデータセットに対して実験的な評価を行い,それぞれが異なるシーンで発生するさまざまな異常を強調する。 具体的には,高分解能データセットのみを用いて異常の詳細な解析を行い,パイロットログと比較する。 さらに,対象イベントのグライダーから送信されるデータのリアルタイムサブセットに基づいて,オンライン検出をシミュレートする。 リアルタイムデータには、回収後のデータほど豊富な情報が含まれていないかもしれないが、グライダーパイロットがリアルタイムに潜在的な異常状態を監視することができるため、オンライン検出は極めて重要である。

関連論文リスト

• DeepHYDRA: Resource-Efficient Time-Series Anomaly Detection in Dynamically-Configured Systems [3.44012349879073]
  我々はDeepHYDRA(Deep Hybrid DBSCAN/reduction-based Anomaly Detection)を提案する。 DBSCANと学習ベースの異常検出を組み合わせる。 大規模なデータセットと複雑なデータセットの両方において、異なるタイプの異常を確実に検出できることが示されている。
  論文  参考訳（メタデータ） (2024-05-13T13:47:15Z)
• MSFlow: Multi-Scale Flow-based Framework for Unsupervised Anomaly Detection [124.52227588930543]
  教師なし異常検出(UAD)は多くの研究の関心を集め、幅広い応用を推進している。 不明瞭だが強力な統計モデルである正規化フローは、教師なしの方法で異常検出と局所化に適している。 非対称な並列フローと融合フローからなるMSFlowと呼ばれる新しいマルチスケールフローベースフレームワークを提案する。 我々のMSFlowは、検出AUORCスコアが99.7%、ローカライゼーションAUCROCスコアが98.8%、プロスコアが97.1%の新たな最先端技術を実現している。
  論文  参考訳（メタデータ） (2023-08-29T13:38:35Z)
• Weakly supervised marine animal detection from remote sensing images using vector-quantized variational autoencoder [4.812718493682454]
  本稿では, 海洋環境における航空画像からの弱教師付き動物検出のための再構成に基づくアプローチについて検討する。 異常検出フレームワークは、入力空間上で直接メトリクスを計算し、解釈可能性と異常なローカライゼーションを高める。 我々のフレームワークは、異常の解釈性と局所化を改善し、海洋生態系のモニタリングに有用な洞察を提供する。
  論文  参考訳（メタデータ） (2023-07-13T12:26:27Z)
• Anomaly Detection in Satellite Videos using Diffusion Models [5.378437695174892]
  衛星データによる極端事象のリアルタイム検出は,災害管理に不可欠である。 動きの速い異常を捉えるために運動成分を必要としない拡散モデルを提案する。
  論文  参考訳（メタデータ） (2023-05-25T19:17:39Z)
• Imbalanced Aircraft Data Anomaly Detection [103.01418862972564]
  航空シナリオ下でのセンサーからの時間データの異常検出は実用的だが難しい課題である。 本稿では,グラフィカル・テンポラル・データ分析フレームワークを提案する。 シリーズ・トゥ・イメージ (S2I) と呼ばれる3つのモジュール、ユークリッド距離 (CRD) を用いたクラスタ・ベース・リサンプリング・アプローチ、変数・ベース・ロス (VBL) から構成される。
  論文  参考訳（メタデータ） (2023-05-17T09:37:07Z)
• 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)
• An Outlier Exposure Approach to Improve Visual Anomaly Detection Performance for Mobile Robots [76.36017224414523]
  移動ロボットの視覚異常検出システム構築の問題点を考察する。 標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。 本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-20T15:18:13Z)
• Leveraging Trajectory Prediction for Pedestrian Video Anomaly Detection [14.740178121212132]
  本稿では,未監視歩行者異常事象検出における軌跡の局所化と予測の活用を提案する。 提案手法は,正常および異常な歩行者軌跡の予測誤差を利用して,空間的・時間的に異常を検出する。 実時間スケールの異なる実世界のベンチマークデータセットについて実験を行い,提案したトラジェクトリ予測に基づく異常検出パイプラインが効率的かつ効率的であることを示す。
  論文  参考訳（メタデータ） (2022-07-05T19:44:34Z)
• 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)
• TadGAN: Time Series Anomaly Detection Using Generative Adversarial Networks [73.01104041298031]
  TadGANは、GAN(Generative Adversarial Networks)上に構築された教師なしの異常検出手法である。 時系列の時間相関を捉えるために,ジェネレータと批評家のベースモデルとしてLSTMリカレントニューラルネットワークを用いる。 提案手法の性能と一般化性を示すため,いくつかの異常スコアリング手法を検証し,最も適した手法を報告する。
  論文  参考訳（メタデータ） (2020-09-16T15:52:04Z)

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。