論文の概要: Research and application of Transformer based anomaly detection model: A literature review

• arxiv url: http://arxiv.org/abs/2402.08975v1
• Date: Wed, 14 Feb 2024 06:39:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-15 16:46:24.793982
• Title: Research and application of Transformer based anomaly detection model: A literature review
• Title（参考訳）: 変圧器を用いた異常検出モデルの研究と応用:文献レビュー
• Authors: Mingrui Ma, Lansheng Han, Chunjie Zhou
• Abstract要約: レビューには、Transformerベースの異常検出に関連する100以上のコア参照の広範なコンパイルが含まれている。 異常検出の現在の課題を探求し,Transformerの動作原理に関する洞察を提供する。
• 参考スコア（独自算出の注目度）: 1.8233316086214963
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Transformer, as one of the most advanced neural network models in Natural Language Processing (NLP), exhibits diverse applications in the field of anomaly detection. To inspire research on Transformer-based anomaly detection, this review offers a fresh perspective on the concept of anomaly detection. We explore the current challenges of anomaly detection and provide detailed insights into the operating principles of Transformer and its variants in anomaly detection tasks. Additionally, we delineate various application scenarios for Transformer-based anomaly detection models and discuss the datasets and evaluation metrics employed. Furthermore, this review highlights the key challenges in Transformer-based anomaly detection research and conducts a comprehensive analysis of future research trends in this domain. The review includes an extensive compilation of over 100 core references related to Transformer-based anomaly detection. To the best of our knowledge, this is the first comprehensive review that focuses on the research related to Transformer in the context of anomaly detection. We hope that this paper can provide detailed technical information to researchers interested in Transformer-based anomaly detection tasks.
• Abstract（参考訳）: Transformerは自然言語処理(NLP)において最も先進的なニューラルネットワークモデルの一つであり、異常検出の分野における様々な応用を示している。 変圧器に基づく異常検出の研究を刺激するため,本論文では異常検出の概念に関する新たな視点を提供する。 異常検出の現在の課題を考察し,異常検出タスクにおけるトランスフォーマの動作原理とその変種に関する詳細な知見を提供する。 さらに,変圧器に基づく異常検出モデルの様々な応用シナリオを概説し,使用するデータセットと評価指標について考察する。 さらに,トランスフォーマーを用いた異常検出研究における重要な課題を強調し,今後の研究動向を包括的に分析する。 レビューには、トランスフォーマベースの異常検出に関連する100以上のコア参照の広範なコンパイルが含まれている。 我々の知る限りでは、異常検出の文脈におけるTransformerに関する研究に焦点を当てた、初めての総合的なレビューである。 本稿では,Transformerベースの異常検出タスクに関心のある研究者に対して,詳細な技術情報の提供を期待する。

関連論文リスト

• Can I trust my anomaly detection system? A case study based on explainable AI [0.4416503115535552]
  本稿では,変分自己エンコーダ生成モデルに基づく異常検出システムのロバスト性について検討する。 目標は、再構成の違いを利用する異常検知器の実際の性能について、異なる視点を得ることです。
  論文  参考訳（メタデータ） (2024-07-29T12:39:07Z)
• Progressing from Anomaly Detection to Automated Log Labeling and Pioneering Root Cause Analysis [53.24804865821692]
  本研究では、ログ異常の分類を導入し、ラベル付けの課題を軽減するために、自動ラベリングについて検討する。 この研究は、根本原因分析が異常検出に続く未来を予見し、異常の根本原因を解明する。
  論文  参考訳（メタデータ） (2023-12-22T15:04:20Z)
• GIT: Detecting Uncertainty, Out-Of-Distribution and Adversarial Samples using Gradients and Invariance Transformations [77.34726150561087]
  本稿では,ディープニューラルネットワークにおける一般化誤差検出のための総合的アプローチを提案する。 GITは勾配情報と不変変換の利用を組み合わせる。 本実験は,各種ネットワークアーキテクチャの最先端技術と比較して,GITの優れた性能を示すものである。
  論文  参考訳（メタデータ） (2023-07-05T22:04:38Z)
• Unsupervised Anomaly Detection with Local-Sensitive VQVAE and Global-Sensitive Transformers [45.34555409340503]
  非教師なし異常検出(UAD)は、産業用および医療用に広く実装されている。 変種を持つディープオートエンコーダは多くのUADシナリオでその利点を実証している。 本稿では,Vector Quantized-Variational Autoencoder(VQVAE)をベースとしたLSGSを提案する。
  論文  参考訳（メタデータ） (2023-03-29T09:13:20Z)
• Diversity-Measurable Anomaly Detection [106.07413438216416]
  本稿では,再構成の多様性を高めるため,DMAD(Diversity-Measurable Anomaly Detection)フレームワークを提案する。 PDMは基本的に、変形を埋め込みから分離し、最終的な異常スコアをより信頼性を高める。
  論文  参考訳（メタデータ） (2023-03-09T05:52:42Z)
• Deep Learning for Time Series Anomaly Detection: A Survey [53.83593870825628]
  時系列異常検出は、製造業や医療を含む幅広い研究分野や応用に応用されている。 時系列の大規模かつ複雑なパターンにより、研究者は異常パターンを検出するための特別な深層学習モデルを開発するようになった。 本調査は,ディープラーニングを用いた構造化および総合的時系列異常検出モデルの提供に焦点を当てる。
  論文  参考訳（メタデータ） (2022-11-09T22:40:22Z)
• A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
  本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。 行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。 検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
  論文  参考訳（メタデータ） (2022-09-23T06:09:35Z)
• Functional Anomaly Detection: a Benchmark Study [4.444788548423704]
  異常検出は、非常に高い周波数でサンプリングされた測定に依存することができる。 本研究の目的は, 実データセット上の機能的設定において, 異常検出のための最近の手法の性能について検討することである。
  論文  参考訳（メタデータ） (2022-01-13T18:20:32Z)
• Variation and generality in encoding of syntactic anomaly information in sentence embeddings [7.132368785057315]
  文中の異常が発生する階層レベルが異なる探索タスクを設計することにより、異常符号化の微妙な相違について検討する。 我々は、与えられた異常を検出するモデルだけでなく、検出された異常信号の一般性もテストする。 その結果、全てのモデルが異常検出をサポートする情報を符号化しているが、検出性能は異常毎に異なることが示唆された。
  論文  参考訳（メタデータ） (2021-11-12T10:23:43Z)
• Applications of Generative Adversarial Networks in Anomaly Detection: A Systematic Literature Review [28.752089275446462]
  GAN(Generative Adversarial Network)は異常検出研究において大きな注目を集めている。 本稿では,GANの異常検出への応用について,系統的な文献レビューを行う。
  論文  参考訳（メタデータ） (2021-10-22T21:48:48Z)

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。