Fugu-MT 論文翻訳(概要): Knowledge Distillation-Empowered Digital Twin for Anomaly Detection

論文の概要: Knowledge Distillation-Empowered Digital Twin for Anomaly Detection

arxiv url: http://arxiv.org/abs/2309.04616v1
Date: Fri, 8 Sep 2023 22:13:03 GMT
ステータス: 処理完了
システム内更新日: 2023-09-12 17:28:37.006781
Title: Knowledge Distillation-Empowered Digital Twin for Anomaly Detection
Title（参考訳）: 知識蒸留による異常検出のためのデジタル双生児
Authors: Qinghua Xu, Shaukat Ali, Tao Yue, Zaimovic Nedim, and Inderjeet Singh
Abstract要約: 本稿では,TCMS異常検出のための新しいKDDT法を提案する。 KDDTは言語モデル(LM)と長期短期記憶(LSTM)ネットワークを利用してコンテキストや時系列の特徴を抽出する。我々は、KDDTを業界パートナーであるAlstomの2つのデータセットで評価した。
参考スコア（独自算出の注目度）: 5.001973101109387
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Cyber-physical systems (CPSs), like train control and management systems (TCMS), are becoming ubiquitous in critical infrastructures. As safety-critical systems, ensuring their dependability during operation is crucial. Digital twins (DTs) have been increasingly studied for this purpose owing to their capability of runtime monitoring and warning, prediction and detection of anomalies, etc. However, constructing a DT for anomaly detection in TCMS necessitates sufficient training data and extracting both chronological and context features with high quality. Hence, in this paper, we propose a novel method named KDDT for TCMS anomaly detection. KDDT harnesses a language model (LM) and a long short-term memory (LSTM) network to extract contexts and chronological features, respectively. To enrich data volume, KDDT benefits from out-of-domain data with knowledge distillation (KD). We evaluated KDDT with two datasets from our industry partner Alstom and obtained the F1 scores of 0.931 and 0.915, respectively, demonstrating the effectiveness of KDDT. We also explored individual contributions of the DT model, LM, and KD to the overall performance of KDDT, via a comprehensive empirical study, and observed average F1 score improvements of 12.4%, 3%, and 6.05%, respectively.
Abstract（参考訳）: 列車制御・管理システム(TCMS)のようなサイバー物理システム(CPS)は、重要なインフラにおいてユビキタスになりつつある。安全性を重要視するシステムとしては,運用時の信頼性の確保が重要である。デジタルツイン(dts)は、ランタイム監視と警告、異常の予測と検出などの能力により、この目的で研究されている。しかし,TCMSにおける異常検出のためのDTの構築には十分なトレーニングデータが必要である。そこで本研究では,TCMS異常検出のための新しいKDDT法を提案する。 KDDTは言語モデル(LM)と長期短期記憶(LSTM)ネットワークを利用して、それぞれコンテキストと時系列の特徴を抽出する。データ量を高めるため、kddtは知識蒸留(kd)によるドメイン外データから恩恵を受ける。我々は,KDDTを業界パートナーAlstomの2つのデータセットで評価し,それぞれ0.931と0.915のF1スコアを取得し,KDDTの有効性を実証した。また,KDDTの総合的評価を通じて,DTモデル,LM,KDの個人的貢献についても検討し,平均F1得点改善率を12.4%,3%,6.05%とした。

関連論文リスト

Attention Meets UAVs: A Comprehensive Evaluation of DDoS Detection in Low-Cost UAVs [1.6820106165213193]
本稿では、低コストでWi-Fiベースの無人航空機(UAV)によるDDoS攻撃に対するサイバーセキュリティ対策の強化に関する重要な課題について検討する。我々は,UAVシステムのコンパニオンコンピュータ上で動作する検出機構を開発した。そこで本研究では,車載DDoS検出機構を構築するために必要なステップについて述べる。
論文参考訳（メタデータ） (2024-06-28T12:44:01Z)
A Compact LSTM-SVM Fusion Model for Long-Duration Cardiovascular Diseases Detection [0.0]
世界的には、心臓血管疾患(CVD)が主な死因であり、毎年1790万人が死亡している。重要な臨床目的の1つは、心電図(ECG)データによるCVDの早期検出である。機械学習とディープラーニングに基づく最近の進歩は、この分野において大きな進歩を遂げている。
論文参考訳（メタデータ） (2023-11-20T10:57:11Z)
Multimodality Multi-Lead ECG Arrhythmia Classification using Self-Supervised Learning [5.675787521359948]
SSLベースのマルチモーダリティECG分類を提案する。提案するネットワークはSSL学習パラダイムに従っており,前ストリームタスクと下流タスクに対応する2つのモジュールで構成されている。提案手法の有効性を評価するため,12リードのPhystoNet 2020データセット上で10倍のクロス検証を行った。
論文参考訳（メタデータ） (2022-09-30T18:45:34Z)
Deep Reinforcement Learning Assisted Federated Learning Algorithm for Data Management of IIoT [82.33080550378068]
産業用IoT(Industrial Internet of Things)の継続的な拡大により、IIoT機器は毎回大量のユーザデータを生成する。 IIoTの分野で、これらの時系列データを効率的かつ安全な方法で管理する方法は、依然として未解決の問題である。本稿では,無線ネットワーク環境におけるIIoT機器データ管理におけるFL技術の適用について検討する。
論文参考訳（メタデータ） (2022-02-03T07:12:36Z)
Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
論文参考訳（メタデータ） (2021-11-25T10:11:41Z)
SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
論文参考訳（メタデータ） (2021-10-01T23:01:20Z)
RLAD: Time Series Anomaly Detection through Reinforcement Learning and Active Learning [17.089402177923297]
新しい半監視型時系列異常検出アルゴリズムを紹介します。深層強化学習とアクティブラーニングを使用して、実世界の時系列データの異常を効率的に学習し、適応する。パラメータを手動でチューニングする必要はなく、比較するすべての最先端のメソッドを上回ります。
論文参考訳（メタデータ） (2021-03-31T15:21:15Z)
COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital Contact Tracing [68.68882022019272]
COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。 1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
論文参考訳（メタデータ） (2020-10-30T00:47:01Z)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed Quality Labeling Using Neural Networks [69.25956542388653]
ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
論文参考訳（メタデータ） (2020-05-11T16:29:12Z)
A Robust Comparison of the KDDCup99 and NSL-KDD IoT Network Intrusion Detection Datasets Through Various Machine Learning Algorithms [0.0]
最も引用されている侵入検知データセットはKDDCup99とNSL-KDDである。このプロジェクトの主な目標は、両方のデータセットを堅牢に比較することでした。 NSL-KDDデータセットは、KDDCup99データセットよりも高品質である、という結論に達したのです。
論文参考訳（メタデータ） (2019-12-31T07:36:33Z)

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。