論文の概要: CAD-DA: Controllable Anomaly Detection after Domain Adaptation by
Statistical Inference
- arxiv url: http://arxiv.org/abs/2310.14608v1
- Date: Mon, 23 Oct 2023 06:34:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 22:09:19.157888
- Title: CAD-DA: Controllable Anomaly Detection after Domain Adaptation by
Statistical Inference
- Title(参考訳): CAD-DA:統計的推論によるドメイン適応後の制御可能な異常検出
- Authors: Vo Nguyen Le Duy, Hsuan-Tien Lin, Ichiro Takeuchi
- Abstract要約: ドメイン適応(DA)下での異常検出(AD)の結果をテストするための新しい統計的手法を提案する。
CAD-DAの際立った利点は、事前に特定されたレベルで異常を誤認する確率を制御できることにある。
本研究では,CAD-DA法の性能評価を行った。
- 参考スコア(独自算出の注目度): 34.26233753071248
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a novel statistical method for testing the results of anomaly
detection (AD) under domain adaptation (DA), which we call CAD-DA --
controllable AD under DA. The distinct advantage of the CAD-DA lies in its
ability to control the probability of misidentifying anomalies under a
pre-specified level $\alpha$ (e.g., 0.05). The challenge within this DA setting
is the necessity to account for the influence of DA to ensure the validity of
the inference results. Our solution to this challenge leverages the concept of
conditional Selective Inference to handle the impact of DA. To our knowledge,
this is the first work capable of conducting a valid statistical inference
within the context of DA. We evaluate the performance of the CAD-DA method on
both synthetic and real-world datasets.
- Abstract(参考訳): 本稿では,ドメイン適応(DA)の下での異常検出(AD)の結果をテストするための新しい統計手法を提案し,CAD-DA制御可能なAD(DA)と呼ぶ。
CAD-DAの際立った利点は、事前に指定されたレベル$\alpha$(例えば0.05)で誤同定の確率を制御できることにある。
このda設定における課題は、推論結果の妥当性を確保するためにdaの影響を考慮する必要があることである。
この課題に対する我々の解決策は、DAの影響に対処するために条件選択推論の概念を活用する。
私たちの知る限りでは、daの文脈で有効な統計的推論を行うことができる最初の仕事です。
本研究では,cad-da法の性能を合成データと実世界データの両方で評価する。
関連論文リスト
- DACAD: Domain Adaptation Contrastive Learning for Anomaly Detection in Multivariate Time Series [7.589818758630828]
時系列異常検出(TAD)はラベル付きデータの不足により大きな課題に直面している。
教師なしドメイン適応(UDA)は、関連するドメインからラベル付きデータセットを活用して、ターゲットデータセットの異常を検出することで、この問題に対処する。
論文 参考訳(メタデータ) (2024-04-17T11:20:14Z) - Statistical Test for Anomaly Detections by Variational Auto-Encoders [21.378672594642616]
変分オートエンコーダ(VAE)を用いた異常検出の信頼性評価について検討する。
VAE-ADテストを用いて、VAEによって検出された異常領域の信頼性をp値の形で定量することができる。
論文 参考訳(メタデータ) (2024-02-06T05:42:27Z) - Can We Evaluate Domain Adaptation Models Without Target-Domain Labels? [36.05871459064825]
教師なしドメイン適応(Unsupervised domain adapt, UDA)は、ラベル豊富なソースドメインでトレーニングされたモデルをラベルなしのターゲットドメインに適応させる。
現実のシナリオでは、ターゲットドメインラベルがないため、UDAモデルの性能を評価するのは難しい。
これらの問題に対処するため,textitTransfer Scoreと呼ばれる新しいメトリクスを提案する。
論文 参考訳(メタデータ) (2023-05-30T03:36:40Z) - IT-RUDA: Information Theory Assisted Robust Unsupervised Domain
Adaptation [7.225445443960775]
トレイン(ソース)とテスト(ターゲット)データセット間の分散シフトは、マシンラーニングアプリケーションで発生する一般的な問題である。
UDA技術はラベル豊富なソースドメインからラベルのないターゲットドメインへの知識伝達を行う。
ソースまたはターゲットデータセットのいずれかに存在するアウトリーチは、実際にUDAを使用する場合、さらなる課題をもたらす可能性がある。
論文 参考訳(メタデータ) (2022-10-24T04:33:52Z) - Concurrent Subsidiary Supervision for Unsupervised Source-Free Domain
Adaptation [58.431124236254]
本研究では, ステッカー介入とキャストステッカー分類の新たなプロセスを開発し, 教師なしDAの目標タスクと並行して, 教師なしDA問題として扱う。
提案手法は,目標タスク適応性能の向上だけでなく,プライバシ指向のソースフリーDAも促進する。
論文 参考訳(メタデータ) (2022-07-27T02:25:09Z) - Learning Unbiased Transferability for Domain Adaptation by Uncertainty
Modeling [107.24387363079629]
ドメイン適応は、ラベル付けされたソースドメインからラベル付けされていない、あるいはラベル付けされていないが関連するターゲットドメインに知識を転送することを目的としています。
ソース内のアノテートされたデータの量とターゲットドメインとの間の不均衡のため、ターゲットの分布のみがソースドメインにアライメントされる。
本稿では,非暴力的非暴力的移動可能性推定プラグイン(UTEP)を提案し,非暴力的移動を最適化するDA法において,識別器の不確実性をモデル化する。
論文 参考訳(メタデータ) (2022-06-02T21:58:54Z) - Understanding the Limits of Unsupervised Domain Adaptation via Data
Poisoning [66.80663779176979]
教師なしドメイン適応(UDA)は、対象ドメインラベルなしでドメイン間の学習を可能にする。
本稿では,ソース領域誤りの最小化と,ターゲット領域誤りの低減を保証するための限界分布ミスマッチの有効性を示す。
そこで本研究では,UDA手法を誤用した新たなデータ中毒攻撃手法を提案する。
論文 参考訳(メタデータ) (2021-07-08T15:51:14Z) - UDALM: Unsupervised Domain Adaptation through Language Modeling [79.73916345178415]
複合分類とマスキング言語モデル損失を用いた微調整手順であるUDALMについて紹介します。
本実験では, 混合損失スケールと利用可能な目標データの量で訓練されたモデルの性能を, 停止基準として有効に用いることを示した。
この方法は、amazon reviewsセンチメントデータセットの12のドメインペアで評価され、9.1.74%の精度が得られ、最先端よりも1.11%の絶対的な改善が得られます。
論文 参考訳(メタデータ) (2021-04-14T19:05:01Z) - Dimensionality Reduction and Anomaly Detection for CPPS Data using
Autoencoder [3.918927916284284]
CPPS異常検出法では,2つの側面が相補的である可能性が示唆された。
本研究では、DR/ADアプローチとして非線形オートエンコーダ(AE)に焦点を当てる。
このアプローチは、比較的単純で簡単なアプリケーションとともに、最先端の技術よりも優れています。
論文 参考訳(メタデータ) (2020-10-28T13:16:58Z) - Decomposed Adversarial Learned Inference [118.27187231452852]
我々は,DALI(Decomposed Adversarial Learned Inference)という新しいアプローチを提案する。
DALIは、データ空間とコード空間の両方の事前および条件分布を明示的に一致させる。
MNIST, CIFAR-10, CelebAデータセットにおけるDALIの有効性を検証する。
論文 参考訳(メタデータ) (2020-04-21T20:00:35Z)
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。