論文の概要: One or Two Things We know about Concept Drift -- A Survey on Monitoring Evolving Environments

• arxiv url: http://arxiv.org/abs/2310.15826v1
• Date: Tue, 24 Oct 2023 13:25:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-25 18:41:23.926725
• Title: One or Two Things We know about Concept Drift -- A Survey on Monitoring Evolving Environments
• Title（参考訳）: コンセプトドリフトについて知っておくべきこと - 進化する環境のモニタリングに関するサーベイ
• Authors: Fabian Hinder and Valerie Vaquet and Barbara Hammer
• Abstract要約: 本稿では,教師なしデータストリームにおけるコンセプトドリフトに着目した文献レビューを行う。 この設定は、エンジニアリングにおける多くのタスクや課題に直接適用可能な監視と異常検出に特に関連している。 概念の漂流を説明するという,新たな話題に関するセクションがある。
• 参考スコア（独自算出の注目度）: 7.0072935721154614
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The world surrounding us is subject to constant change. These changes, frequently described as concept drift, influence many industrial and technical processes. As they can lead to malfunctions and other anomalous behavior, which may be safety-critical in many scenarios, detecting and analyzing concept drift is crucial. In this paper, we provide a literature review focusing on concept drift in unsupervised data streams. While many surveys focus on supervised data streams, so far, there is no work reviewing the unsupervised setting. However, this setting is of particular relevance for monitoring and anomaly detection which are directly applicable to many tasks and challenges in engineering. This survey provides a taxonomy of existing work on drift detection. Besides, it covers the current state of research on drift localization in a systematic way. In addition to providing a systematic literature review, this work provides precise mathematical definitions of the considered problems and contains standardized experiments on parametric artificial datasets allowing for a direct comparison of different strategies for detection and localization. Thereby, the suitability of different schemes can be analyzed systematically and guidelines for their usage in real-world scenarios can be provided. Finally, there is a section on the emerging topic of explaining concept drift.
• Abstract（参考訳）: 私たちを取り巻く世界は常に変化している。 これらの変化は、しばしば概念の漂流と表現され、多くの産業や技術プロセスに影響を及ぼす。 多くのシナリオでは安全性が重要であり、誤動作やその他の異常な行動につながる可能性があるため、概念ドリフトの検出と分析が不可欠である。 本稿では,教師なしデータストリームにおける概念ドリフトに着目した文献レビューを行う。 多くの調査は教師なしのデータストリームにフォーカスしているが、教師なしの設定をレビューする作業はない。 しかし、この設定はモニタリングや異常検出に特に関連しており、エンジニアリングにおける多くのタスクや課題に直接適用できる。 この調査は、ドリフト検出に関する既存の研究の分類を提供する。 さらに、ドリフトの局在に関する研究の現状を体系的な方法でカバーしている。 体系的な文献レビューの提供に加えて、本研究は、考慮された問題の正確な数学的定義を提供し、パラメトリックな人工データセットの標準化実験を含んでおり、検出とローカライゼーションの異なる戦略を直接比較することができる。 これにより、異なるスキームの適合性を系統的に分析し、実世界のシナリオで使用するためのガイドラインを提供できる。 最後に、概念ドリフトを説明するという新しいトピックのセクションがある。

関連論文リスト

• Unsupervised Assessment of Landscape Shifts Based on Persistent Entropy and Topological Preservation [0.0]
  入力データのドリフトは、学習予測器とシステムの安定性に負の結果をもたらす可能性がある。 本稿では,多次元データストリームの変化をモニタリングする新しいフレームワークを提案する。 このフレームワークは、教師なし環境と教師なし環境の両方で動作する。
  論文  参考訳（メタデータ） (2024-10-05T14:57:52Z)
• A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
  本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。 このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。 我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
  論文  参考訳（メタデータ） (2024-06-05T13:40:07Z)
• OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
  軌道予測はコンピュータビジョンと自律運転の基本である。 この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。 本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T18:30:29Z)
• Concept Drift Adaptation in Text Stream Mining Settings: A Systematic Review [46.543216927386005]
  本研究では,テキストストリームシナリオにおけるコンセプトドリフト適応に関する体系的な文献レビューを行う。 2018年から2024年8月にかけて,テキストドリフトカテゴリ,検出タイプ,モデル更新機構,ストリームマイニングタスクの対応,テキスト表現方法とその更新メカニズムなどの未解決の側面について,48の論文を選定した。
  論文  参考訳（メタデータ） (2023-12-05T17:15:16Z)
• A comprehensive analysis of concept drift locality in data streams [3.5897534810405403]
  概念ドリフトは、進化するデータ特性への効果的なモデル適応のために検出されなければならない。 本稿では,その局所性とスケールに基づいて,概念ドリフトの新たな分類法を提案する。 我々は, 様々な難易度において, 9つの最先端ドリフト検出器の比較評価を行った。
  論文  参考訳（メタデータ） (2023-11-10T20:57:43Z)
• DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
  複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。 運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。 我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
  論文  参考訳（メタデータ） (2023-10-03T10:10:42Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Detecting Concept Drift in the Presence of Sparsity -- A Case Study of Automated Change Risk Assessment System [0.8021979227281782]
  文学におけるテクスティットパリシティ(textitsparsity)と呼ばれる欠落値は、多くの実世界のデータセットの共通の特徴である。 本研究では,異なる種類の疎性に対する様々な統計およびMLに基づくデータ計算手法の欠落した値のパターンについて検討する。 次に、異なるメトリクスに基づいて、欠落した値を持つデータセットを与えられた最良のコンセプトドリフト検出器を選択する。
  論文  参考訳（メタデータ） (2022-07-27T04:27:49Z)
• From Concept Drift to Model Degradation: An Overview on Performance-Aware Drift Detectors [1.757501664210825]
  予測機械学習モデルがトレーニングされたシステムの変化は、システムのライフサイクルにおけるパフォーマンス低下につながる可能性がある。 文献では、同じ種類のコンセプトドリフトと、様々な種類の同じ用語を指すために、異なる用語が用いられてきた。 この統一項の欠如は、異なる概念のドリフト変種を区別する上で混乱を引き起こす。
  論文  参考訳（メタデータ） (2022-03-21T15:48:13Z)
• From Simulation to Real World Maneuver Execution using Deep Reinforcement Learning [69.23334811890919]
  深層強化学習(Deep Reinforcement Learning)は、さまざまな分野における多くの制御タスクを解決できることが証明されている。 これは主に、シミュレーションデータと実世界のデータ間のドメイン適応の欠如と、トレインデータセットとテストデータセットの区別の欠如による。 本稿では,エージェントが同時に訓練される複数の環境に基づくシステムを提案する。
  論文  参考訳（メタデータ） (2020-05-13T14:22:20Z)

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。