論文の概要: Novelty Detection on Radio Astronomy Data using Signatures
- arxiv url: http://arxiv.org/abs/2402.14892v1
- Date: Thu, 22 Feb 2024 14:13:44 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-26 16:53:43.749590
- Title: Novelty Detection on Radio Astronomy Data using Signatures
- Title（参考訳）: 署名を用いた電波天文学データの新規検出
- Authors: Paola Arrubarrena, Maud Lemercier, Bojan Nikolic, Terry Lyons, Thomas
Cass
- Abstract要約: SigNovaは、ストリームデータ中の異常を検出するための、新しい半教師付きフレームワークである。
我々は、シグネチャ変換を用いて観測シーケンスから統計の標準的コレクションを抽出する。
各特徴ベクトルは、RFIフリートレーニングセットにおいて、マハラノビスから隣人への距離として計算されたノベルティスコアが割り当てられる。
- 参考スコア（独自算出の注目度）: 5.304803553490439
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce SigNova, a new semi-supervised framework for detecting anomalies
in streamed data. While our initial examples focus on detecting radio-frequency
interference (RFI) in digitized signals within the field of radio astronomy, it
is important to note that SigNova's applicability extends to any type of
streamed data. The framework comprises three primary components. Firstly, we
use the signature transform to extract a canonical collection of summary
statistics from observational sequences. This allows us to represent
variable-length visibility samples as finite-dimensional feature vectors.
Secondly, each feature vector is assigned a novelty score, calculated as the
Mahalanobis distance to its nearest neighbor in an RFI-free training set. By
thresholding these scores we identify observation ranges that deviate from the
expected behavior of RFI-free visibility samples without relying on stringent
distributional assumptions. Thirdly, we integrate this anomaly detector with
Pysegments, a segmentation algorithm, to localize consecutive observations
contaminated with RFI, if any. This approach provides a compelling alternative
to classical windowing techniques commonly used for RFI detection. Importantly,
the complexity of our algorithm depends on the RFI pattern rather than on the
size of the observation window. We demonstrate how SigNova improves the
detection of various types of RFI (e.g., broadband and narrowband) in
time-frequency visibility data. We validate our framework on the Murchison
Widefield Array (MWA) telescope and simulated data and the Hydrogen Epoch of
Reionization Array (HERA).
- Abstract（参考訳）: ストリームデータ中の異常を検出するための,新たな半教師付きフレームワークであるsignovaを紹介する。
我々の初期の例では、電波天文学の分野におけるデジタル信号における電波干渉(RFI)の検出に焦点が当てられているが、SigNovaの適用性はどんな種類のストリームデータにも及んでいることに注意する必要がある。
フレームワークは3つの主要コンポーネントから構成される。
まず,シグネチャ変換を用いて観測列から要約統計の正準集合を抽出する。
これにより、可変長の可視性サンプルを有限次元特徴ベクトルとして表現できる。
第2に、各特徴ベクトルは、RFIフリートレーニングセットにおいて、マハラノビスから隣人への距離として計算された新規度スコアを割り当てる。
これらのスコアをしきい値にすることで、rfiフリーな可視性サンプルの期待行動から逸脱する観測範囲を、厳密な分布仮定に頼らずに特定する。
第3に、この異常検出器をセグメント化アルゴリズムであるPysegmentsと統合し、もしあればRFIで汚染された連続的な観測を局所化する。
このアプローチは、RFI検出に一般的に使用される古典的なウィンドウ技術に代わる魅力的な代替手段を提供する。
重要なことに、我々のアルゴリズムの複雑さは観測窓のサイズよりもRFIパターンに依存している。
我々は、SigNovaが時間周波数可視データにおいて、様々な種類のRFI(例えばブロードバンドと狭帯域)の検出をいかに改善するかを示す。
我々はMurchison Widefield Array (MWA) 望遠鏡とシミュレーションデータとHydrogen Epoch of Reionization Array (HERA) の枠組みを検証する。
関連論文リスト
- PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
私たちはaを提案します。
フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。
我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
論文 参考訳（メタデータ） (2024-06-04T13:51:08Z) - Imbalanced Aircraft Data Anomaly Detection [103.01418862972564]
航空シナリオ下でのセンサーからの時間データの異常検出は実用的だが難しい課題である。
本稿では,グラフィカル・テンポラル・データ分析フレームワークを提案する。
シリーズ・トゥ・イメージ (S2I) と呼ばれる3つのモジュール、ユークリッド距離 (CRD) を用いたクラスタ・ベース・リサンプリング・アプローチ、変数・ベース・ロス (VBL) から構成される。
論文 参考訳（メタデータ） (2023-05-17T09:37:07Z) - HiNoVa: A Novel Open-Set Detection Method for Automating RF Device
Authentication [9.571774189070531]
本稿では,畳み込みニューラルネットワーク(CNN)長短期記憶(LSTM)モデルにおける隠れ状態値のパターンに基づいた,新しいオープンセット検出手法を提案する。
我々のアプローチはLoRa、Wi-Fi、Wired-WiFiデータセットの精度-リコール曲線の領域を大幅に改善する。
論文 参考訳（メタデータ） (2023-05-16T16:47:02Z) - LSTM and CNN application for core-collapse supernova search in
gravitational wave real data [0.0]
コア崩壊型超新星(CCSNe)は、銀河系や近隣の銀河の干渉計によって検出される重力波信号を放出することが期待されている。
実データを用いた各種CCSNeシミュレート信号と雑音過渡音のマルチラベル分類のための機械学習(ML)の可能性を示す。
論文 参考訳（メタデータ） (2023-01-23T12:12:33Z) - Boosting 3D Object Detection by Simulating Multimodality on Point Clouds [51.87740119160152]
本稿では,LiDAR 画像検出器に追従する特徴や応答をシミュレートすることで,単一モダリティ (LiDAR) 3次元物体検出器を高速化する新しい手法を提案する。
このアプローチでは、単一モダリティ検出器をトレーニングする場合のみ、LiDARイメージデータを必要とし、十分にトレーニングされた場合には、推論時にのみLiDARデータが必要である。
nuScenesデータセットの実験結果から,本手法はSOTA LiDARのみの3D検出器よりも優れていることがわかった。
論文 参考訳（メタデータ） (2022-06-30T01:44:30Z) - Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D
Object Detection [85.11649974840758]
3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。
そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
論文 参考訳（メタデータ） (2021-11-30T18:42:42Z) - Automated Antenna Testing Using Encoder-Decoder-based Anomaly Detection [2.580765958706854]
吸収材料を用いて放射電磁界(EM)を記録可能なアンテナアレイの試験法を提案する。
トレーニングしたモデルを用いて正常なシーケンスを再構築し、熱カメラで観測された実際のシーケンスと比較することができる。
輪郭に基づく異常検出器は、再構成誤差行列を異常スコアにマッピングし、故障アンテナアレイを特定する。
論文 参考訳（メタデータ） (2021-11-27T12:46:25Z) - Hankel-structured Tensor Robust PCA for Multivariate Traffic Time Series
Anomaly Detection [9.067182100565695]
本研究では,空間データにおける異常検出のためのRPCAのハンケル構造テンソルバージョンを提案する。
劣化した行列を低ランクのハンケルテンソルとスパース行列に分解する。
本手法は, 合成データと乗客フロー時系列を用いて評価する。
論文 参考訳（メタデータ） (2021-10-08T19:35:39Z) - FMNet: Latent Feature-wise Mapping Network for Cleaning up Noisy
Micro-Doppler Spectrogram [2.9849405664643585]
ノイズの多い環境は、マイクロドップラー分光器の解釈不能な動きパターンを引き起こす。
レーダーの帰還は しばしば マルチパス 乱雑 干渉に悩まされる
本稿では,FMNet (Feature Mapping Network) と呼ばれる潜在機能対応マッピング手法を提案する。
論文 参考訳（メタデータ） (2021-07-09T19:20:41Z) - Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
本稿では,分類に基づく比較的研究の少ない方法論について検討する。
我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。
航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
論文 参考訳（メタデータ） (2020-11-19T05:42:02Z) - On the Arbitrary-Oriented Object Detection: Classification based
Approaches Revisited [94.5455251250471]
まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。
我々は、角予測タスクを回帰問題から分類問題に変換する。
得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
論文 参考訳（メタデータ） (2020-03-12T03:23:54Z)
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。