論文の概要: Beyond Sharing: Conflict-Aware Multivariate Time Series Anomaly
Detection
- arxiv url: http://arxiv.org/abs/2308.08915v2
- Date: Fri, 25 Aug 2023 09:01:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-28 16:42:18.413811
- Title: Beyond Sharing: Conflict-Aware Multivariate Time Series Anomaly
Detection
- Title（参考訳）: Beyond Sharing: 競合を意識した多変量時系列異常検出
- Authors: Haotian Si, Changhua Pei, Zhihan Li, Yadong Zhao, Jingjing Li, Haiming
Zhang, Zulong Diao, Jianhui Li, Gaogang Xie, Dan Pei
- Abstract要約: 本稿では,衝突を意識した異常検出アルゴリズムCADを紹介する。
その結果,バニラMMoEの粗悪な性能は,MTS定式化の入力出力ミスアライメント設定に起因していることが判明した。
CADは3つの公開データセットの平均F1スコアが0.943であることを示す。
- 参考スコア（独自算出の注目度）: 18.796225184893874
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Massive key performance indicators (KPIs) are monitored as multivariate time
series data (MTS) to ensure the reliability of the software applications and
service system. Accurately detecting the abnormality of MTS is very critical
for subsequent fault elimination. The scarcity of anomalies and manual labeling
has led to the development of various self-supervised MTS anomaly detection
(AD) methods, which optimize an overall objective/loss encompassing all
metrics' regression objectives/losses. However, our empirical study uncovers
the prevalence of conflicts among metrics' regression objectives, causing MTS
models to grapple with different losses. This critical aspect significantly
impacts detection performance but has been overlooked in existing approaches.
To address this problem, by mimicking the design of multi-gate
mixture-of-experts (MMoE), we introduce CAD, a Conflict-aware multivariate KPI
Anomaly Detection algorithm. CAD offers an exclusive structure for each metric
to mitigate potential conflicts while fostering inter-metric promotions. Upon
thorough investigation, we find that the poor performance of vanilla MMoE
mainly comes from the input-output misalignment settings of MTS formulation and
convergence issues arising from expansive tasks. To address these challenges,
we propose a straightforward yet effective task-oriented metric selection and
p&s (personalized and shared) gating mechanism, which establishes CAD as the
first practicable multi-task learning (MTL) based MTS AD model. Evaluations on
multiple public datasets reveal that CAD obtains an average F1-score of 0.943
across three public datasets, notably outperforming state-of-the-art methods.
Our code is accessible at https://github.com/dawnvince/MTS_CAD.
- Abstract（参考訳）: 大規模キーパフォーマンス指標(KPI)は、ソフトウェアアプリケーションとサービスシステムの信頼性を確保するために、多変量時系列データ(MTS)として監視される。
MTSの異常を正確に検出することは、その後の障害除去に非常に重要である。
異常の不足と手動ラベリングにより、様々な自己監督型MSS異常検出(AD)手法が開発され、全てのメトリクスの回帰目標/損失を包含する全体目標/損失が最適化された。
しかし,本研究では,mtsモデルが異なる損失を被る原因となる指標の回帰目標間の衝突の頻度を明らかにする。
この重要な側面は検出性能に大きく影響するが、既存のアプローチでは見過ごされている。
この問題に対処するために、MMOE(Multi-gate Mixed-of-experts)の設計を模倣して、衝突型多変量KPI異常検出アルゴリズムCADを導入する。
CADは、メトリック間のプロモーションを促進しながら潜在的な競合を軽減するために、それぞれのメトリックに排他的な構造を提供する。
徹底的な調査の結果,バニラMMoEの粗悪な性能は,MTSの定式化と収束の問題に対する入力出力のミスアライメント設定に起因することがわかった。
これらの課題に対処するために,CAD を MTL ベースの MTS AD モデルとして確立した,単純かつ効果的なタスク指向メトリック選択と p&s ゲーティング機構を提案する。
複数の公開データセットの評価によると、CADは3つの公開データセットの平均F1スコア0.943を得る。
私たちのコードはhttps://github.com/dawnvince/MTS_CADでアクセスできます。
関連論文リスト
- See it, Think it, Sorted: Large Multimodal Models are Few-shot Time Series Anomaly Analyzers [23.701716999879636]
時系列データの急激な増加に伴い,時系列異常検出(TSAD)はますます重要になりつつある。
本稿では,TMA(Time Series Anomaly Multimodal Analyzer)と呼ばれる先駆的なフレームワークを導入し,異常の検出と解釈を両立させる。
論文 参考訳（メタデータ） (2024-11-04T10:28:41Z) - Analytic Continual Test-Time Adaptation for Multi-Modality Corruption [23.545997349882857]
テスト時間適応(TTA)は、トレーニング済みのモデルがソースとターゲットデータセット間のギャップを埋めることを支援することを目的としている。
本稿では,MM-CTTAタスクのためのMDAA(Multi-modality Dynamic Analytic Adapter)を提案する。
MDAAはMM-CTTA上での最先端性能を実現し,信頼性の高いモデル適応を実現する。
論文 参考訳（メタデータ） (2024-10-29T01:21:24Z) - Mitigating Shortcut Learning with Diffusion Counterfactuals and Diverse Ensembles [95.49699178874683]
拡散確率モデル(DPM)を利用したアンサンブル多様化フレームワークDiffDivを提案する。
DPMは、相関した入力特徴を示すサンプルを用いて訓練しても、新しい特徴の組み合わせで画像を生成することができることを示す。
そこで本研究では,DPM誘導の多様化は,教師付き信号の追加を必要とせず,ショートカットキューへの依存を取り除くのに十分であることを示す。
論文 参考訳（メタデータ） (2023-11-23T15:47:33Z) - Exploring Progress in Multivariate Time Series Forecasting: Comprehensive Benchmarking and Heterogeneity Analysis [70.78170766633039]
我々は、MTS予測提案を確実かつ公平に評価する手段の必要性に対処する。
BasicTS+は、MTS予測ソリューションの公平で包括的で再現可能な比較を可能にするために設計されたベンチマークである。
リッチデータセットとともにBasicTS+を適用し,45 MTS以上の予測ソリューションの性能を評価する。
論文 参考訳（メタデータ） (2023-10-09T19:52:22Z) - UniFormaly: Towards Task-Agnostic Unified Framework for Visual Anomaly
Detection [6.260747047974035]
We present UniFormaly, a universal and powerful anomaly detection framework。
我々は,オンラインエンコーダ方式の準最適問題を指摘することによって,オフ・ザ・シェルフアプローチの必要性を強調した。
UniFormalyは様々なタスクやデータセットで優れた結果を得る。
論文 参考訳（メタデータ） (2023-07-24T06:04:12Z) - Robust Multimodal Failure Detection for Microservice Systems [32.25907616511765]
AnoFusionは、マイクロサービスシステムに対する教師なしの障害検出アプローチである。
異種マルチモーダルデータの相関を学習し、グラフ注意ネットワーク(GAT)とGRU(Gated Recurrent Unit)を統合する。
これはそれぞれ0.857と0.922のF1スコアを達成し、最先端の故障検出手法より優れている。
論文 参考訳（メタデータ） (2023-05-30T12:39:42Z) - Exposing and Addressing Cross-Task Inconsistency in Unified
Vision-Language Models [80.23791222509644]
一貫性のないAIモデルは、人間のユーザーによって不安定で信頼できないと見なされている。
最先端のビジョン言語モデルは、タスク間の驚くほど高い一貫性のない振る舞いに悩まされている。
本稿では,大規模で自動生成されるクロスタスクコントラスト集合上で計算されたランク相関に基づく補助訓練目標を提案する。
論文 参考訳（メタデータ） (2023-03-28T16:57:12Z) - Rethinking the Metric in Few-shot Learning: From an Adaptive
Multi-Distance Perspective [30.30691830639013]
距離の異なる指標の寄与について検討し,適応型融合方式を提案する。
アダプティブ・メトリックス・モジュール(AMM)に基づいて、AMMやグローバル・アダプティブ・ロス(GAL)を含む数発の分類フレームワークであるAMTNetを設計する。
実験では,提案したAMMは実測値の融合モジュールよりも2%高い性能を達成し,AMTNetは複数のベンチマークデータセットで最先端の性能を向上する。
論文 参考訳（メタデータ） (2022-11-02T05:30:03Z) - LIFE: Learning Individual Features for Multivariate Time Series
Prediction with Missing Values [71.52335136040664]
本稿では,MTS予測のための新しいパラダイムを提供する学習個人特徴(LIFE)フレームワークを提案する。
LIFEは、相関次元を補助情報として使用し、非相関次元からの干渉を欠落値で抑制することにより、予測のための信頼性の高い特徴を生成する。
3つの実世界のデータセットの実験は、既存の最先端モデルに対するLIFEの優位性を検証する。
論文 参考訳（メタデータ） (2021-09-30T04:53:24Z) - 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) - FairMOT: On the Fairness of Detection and Re-Identification in Multiple
Object Tracking [92.48078680697311]
マルチオブジェクトトラッキング(MOT)はコンピュータビジョンにおいて重要な問題である。
本稿では,FairMOTと呼ばれる,アンカーフリーなオブジェクト検出アーキテクチャCenterNetをベースとした,シンプルかつ効果的なアプローチを提案する。
このアプローチは、検出と追跡の両方において高い精度を達成する。
論文 参考訳（メタデータ） (2020-04-04T08:18:00Z)
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。