Fugu-MT 論文翻訳(概要): Diagnosis driven Anomaly Detection for CPS

論文の概要: Diagnosis driven Anomaly Detection for CPS

arxiv url: http://arxiv.org/abs/2311.15924v1
Date: Mon, 27 Nov 2023 15:34:40 GMT
ステータス: 処理完了
システム内更新日: 2023-11-28 14:41:06.790602
Title: Diagnosis driven Anomaly Detection for CPS
Title（参考訳）: CPSにおける診断駆動型異常検出
Authors: Henrik S. Steude and Lukas Moddemann and Alexander Diedrich and Jonas Ehrhardt and Oliver Niggemann
Abstract要約: 本稿では、深層学習に基づく異常検出を利用して、一貫性に基づく診断(CBD)のための入力を生成する手法を提案する。我々は、シミュレーションと実世界のCPSデータセットに対する我々のアプローチを評価し、我々のモデルは、他の最先端モデルと比較して強い性能を示す。
参考スコア（独自算出の注目度）: 44.97616703648182
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In Cyber-Physical Systems (CPS) research, anomaly detection (detecting abnormal behavior) and diagnosis (identifying the underlying root cause) are often treated as distinct, isolated tasks. However, diagnosis algorithms require symptoms, i.e. temporally and spatially isolated anomalies, as input. Thus, anomaly detection and diagnosis must be developed together to provide a holistic solution for diagnosis in CPS. We therefore propose a method for utilizing deep learning-based anomaly detection to generate inputs for Consistency-Based Diagnosis (CBD). We evaluate our approach on a simulated and a real-world CPS dataset, where our model demonstrates strong performance relative to other state-of-the-art models.
Abstract（参考訳）: サイバーフィジカルシステム(cps)の研究では、異常検出(異常行動の検出)と診断(根本原因の特定)は、しばしば異なる独立したタスクとして扱われる。しかし、診断アルゴリズムは症状、すなわち時間的および空間的に孤立した異常を入力として要求する。したがって、CPSの診断に総合的な解決策を提供するために、異常検出と診断を一緒に開発する必要がある。そこで我々は,深層学習に基づく異常検出を利用して,一貫性に基づく診断(CBD)のための入力を生成する手法を提案する。我々は、シミュレーションと実世界のCPSデータセットに対する我々のアプローチを評価し、我々のモデルは、他の最先端モデルと比較して強い性能を示す。

関連論文リスト

Search-based Trace Diagnostic [7.771496745635823]
実行トレースが要件に違反している場合、エンジニアは違反の原因を理解する必要がある。本稿では,CPS要求に対する新しいトレース診断手法であるサーチベーストレース診断(SBTD)を提案する。
論文参考訳（メタデータ） (2024-06-25T04:24:21Z)
Generalized Out-of-distribution Fault Diagnosis (GOOFD) via Internal Contrastive Learning [8.583116999933731]
本稿では,診断サブタスクを統合するために,一般化されたアウト・オブ・ディストリビューション障害診断フレームワークを提案する。内部のコントラスト学習とマハラノビス距離に基づく統一的な断層診断手法が提案手法の基盤となる。提案手法は,複数の故障診断タスクに適用可能であり,既存の単一タスク法よりも優れた性能を実現することができる。
論文参考訳（メタデータ） (2023-06-27T07:50:25Z)
Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文参考訳（メタデータ） (2023-06-02T01:46:31Z)
Causality-Based Multivariate Time Series Anomaly Detection [63.799474860969156]
我々は、因果的観点から異常検出問題を定式化し、多変量データを生成するための通常の因果的メカニズムに従わない事例として、異常を考察する。次に、まずデータから因果構造を学習し、次に、あるインスタンスが局所因果機構に対して異常であるかどうかを推定する因果検出手法を提案する。我々は、実世界のAIOpsアプリケーションに関するケーススタディと同様に、シミュレートされたデータセットとパブリックなデータセットの両方を用いて、私たちのアプローチを評価します。
論文参考訳（メタデータ） (2022-06-30T06:00:13Z)
Scalable Online Disease Diagnosis via Multi-Model-Fused Actor-Critic Reinforcement Learning [9.274138493400436]
医療のアドバイスをオンラインで求めている人にとっては、患者と対話して自動的に疾患を診断できるAIベースの対話エージェントが有効な選択肢だ。これは、強化学習(RL)アプローチを自然解として提案した逐次的特徴(症状)選択と分類の問題として定式化することができる。生成的アクターネットワークと診断批評家ネットワークから構成されるMMF-AC(Multi-Model-Fused Actor-Critic)フレームワークを提案する。
論文参考訳（メタデータ） (2022-06-08T03:06:16Z)
DxFormer: A Decoupled Automatic Diagnostic System Based on Decoder-Encoder Transformer with Dense Symptom Representations [26.337392652262103]
診断指向対話システムは患者の健康状態を照会し、患者との継続的な対話を通じて疾患の予測を行う。本稿では,診断プロセスを症状調査と疾患診断の2つの段階に分割する,分離された自動診断フレームワークDxFormerを提案する。提案モデルは,医師の臨床経験を効果的に学習し,症状のリコールと診断精度の点で最先端の結果を得ることができる。
論文参考訳（メタデータ） (2022-05-08T01:52:42Z)
On-board Fault Diagnosis of a Laboratory Mini SR-30 Gas Turbine Engine [54.650189434544146]
データ駆動型故障診断・隔離方式は, 燃料供給システムにおける故障とセンサ測定のために, 明確に開発されている。モデルは機械学習の分類器を使用してトレーニングされ、トレーニングされた障害シナリオのセットをリアルタイムで検出する。提案手法の利点, 性能, 性能を実証し, 実証するために, いくつかのシミュレーション実験を行った。
論文参考訳（メタデータ） (2021-10-17T13:42:37Z)
Anytime Diagnosis for Reconfiguration [52.77024349608834]
我々は、いつでも直接診断できるflexdiagを紹介し分析する。特徴モデルの領域からの構成ベンチマークと自動車領域からの産業構成知識ベースを使用して、性能および診断品質に関するアルゴリズムを評価します。
論文参考訳（メタデータ） (2021-02-19T11:45:52Z)
Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文参考訳（メタデータ） (2021-01-27T13:16:51Z)
Explainable and Scalable Machine-Learning Algorithms for Detection of Autism Spectrum Disorder using fMRI Data [0.2578242050187029]
提案した深層学習モデル ASD-DiagNet は神経型スキャンから ASD の脳スキャンの分類に一貫した精度を示す。我々の手法はAuto-ASD-Networkと呼ばれ、ディープラーニングとサポートベクトルマシン(SVM)を組み合わせて、ニューロタイプスキャンからASDスキャンを分類する。
論文参考訳（メタデータ） (2020-03-02T18:20:44Z)

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。