論文の概要: From Chaos to Clarity: Time Series Anomaly Detection in Astronomical Observations
- arxiv url: http://arxiv.org/abs/2403.10220v1
- Date: Fri, 15 Mar 2024 11:39:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 17:30:38.886250
- Title: From Chaos to Clarity: Time Series Anomaly Detection in Astronomical Observations
- Title（参考訳）: カオスから明度へ:天文観測における時系列異常検出
- Authors: Xinli Hao, Yile Chen, Chen Yang, Zhihui Du, Chaohong Ma, Chao Wu, Xiaofeng Meng,
- Abstract要約: 天文観測における教師なし異常検出のための2段階フレームワークを提案する。
最初の段階では、トランスフォーマーベースのエンコーダデコーダアーキテクチャを用いて、各星の通常の時間パターンを学習する。
第2段階では、並列ノイズの発生に対処するために、ウィンドウワイズグラフ構造学習を用いてグラフニューラルネットワークを強化する。
- 参考スコア（独自算出の注目度）: 6.903396830919462
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the development of astronomical facilities, large-scale time series data observed by these facilities is being collected. Analyzing anomalies in these astronomical observations is crucial for uncovering potential celestial events and physical phenomena, thus advancing the scientific research process. However, existing time series anomaly detection methods fall short in tackling the unique characteristics of astronomical observations where each star is inherently independent but interfered by random concurrent noise, resulting in a high rate of false alarms. To overcome the challenges, we propose AERO, a novel two-stage framework tailored for unsupervised anomaly detection in astronomical observations. In the first stage, we employ a Transformer-based encoder-decoder architecture to learn the normal temporal patterns on each variate (i.e., star) in alignment with the characteristic of variate independence. In the second stage, we enhance the graph neural network with a window-wise graph structure learning to tackle the occurrence of concurrent noise characterized by spatial and temporal randomness. In this way, AERO is not only capable of distinguishing normal temporal patterns from potential anomalies but also effectively differentiating concurrent noise, thus decreasing the number of false alarms. We conducted extensive experiments on three synthetic datasets and three real-world datasets. The results demonstrate that AERO outperforms the compared baselines. Notably, compared to the state-of-the-art model, AERO improves the F1-score by up to 8.76% and 2.63% on synthetic and real-world datasets respectively.
- Abstract（参考訳）: 天文学施設の発展に伴い、これらの施設で観測された大規模時系列データが収集されている。
これらの天体観測における異常を分析することは、潜在的な天体現象や物理現象を明らかにするために重要であり、科学的な研究プロセスを進める。
しかし、既存の時系列異常検出法は、それぞれの恒星が本質的に独立しているがランダムな同時ノイズによって干渉される天体観測のユニークな特徴に対処するに足りず、偽のアラームの頻度が高い。
この課題を克服するために、天文観測における教師なし異常検出に適した新しい2段階フレームワークであるAEROを提案する。
第1段階では,変圧器を用いたエンコーダデコーダアーキテクチャを用いて,変圧器の独立特性に合わせて各変圧器(スター)の通常の時間パターンを学習する。
第2段階では,空間的・時間的ランダム性に特徴付けられる同時ノイズの発生に対処するために,ウィンドウワイズグラフ構造学習を用いてグラフニューラルネットワークを強化する。
このようにして、AEROは通常の時間パターンを潜在的な異常と区別するだけでなく、並列ノイズを効果的に区別し、誤報の回数を減らすことができる。
3つの合成データセットと3つの実世界のデータセットについて広範な実験を行った。
その結果, AEROは比較ベースラインよりも優れていた。
特に、最先端モデルと比較して、AEROは合成データセットと実世界のデータセットで最大8.76%、F1スコアを2.63%改善している。
関連論文リスト
- Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。
本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
論文 参考訳（メタデータ） (2024-07-12T18:00:02Z) - A Classifier-Based Approach to Multi-Class Anomaly Detection for Astronomical Transients [0.0]
リアルタイム異常検出は、大規模な天文学調査の時代に稀な過渡期を識別するために不可欠である。
現在、天文学的トランジェントに対するほとんどの異常検出アルゴリズムは、光曲線から抽出された手作りの特徴に依存している。
本稿では,異常検出のための潜在空間としてニューラルネットワーク分類器の最後層を用いる,異常検出のための代替手法を提案する。
論文 参考訳（メタデータ） (2024-03-21T18:00:00Z) - Graph Spatiotemporal Process for Multivariate Time Series Anomaly
Detection with Missing Values [67.76168547245237]
本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。
実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
論文 参考訳（メタデータ） (2024-01-11T10:10:16Z) - Generating and Reweighting Dense Contrastive Patterns for Unsupervised
Anomaly Detection [59.34318192698142]
我々は、先行のない異常発生パラダイムを導入し、GRADと呼ばれる革新的な教師なし異常検出フレームワークを開発した。
PatchDiffは、様々な種類の異常パターンを効果的に公開する。
MVTec ADとMVTec LOCOデータセットの両方の実験も、前述の観測をサポートする。
論文 参考訳（メタデータ） (2023-12-26T07:08:06Z) - Unraveling the "Anomaly" in Time Series Anomaly Detection: A
Self-supervised Tri-domain Solution [89.16750999704969]
異常ラベルは時系列異常検出において従来の教師付きモデルを妨げる。
自己教師型学習のような様々なSOTA深層学習技術がこの問題に対処するために導入されている。
自己教師型3領域異常検出器(TriAD)を提案する。
論文 参考訳（メタデータ） (2023-11-19T05:37:18Z) - 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) - AER: Auto-Encoder with Regression for Time Series Anomaly Detection [12.418290128163882]
時系列データの異常検出は、様々な産業領域でますます一般的になっている。
最近の教師なし機械学習手法は、この問題に対処する上で顕著な進歩を遂げている。
本稿では,バニラオートエンコーダとLSTM回帰器を組み合わせたジョイントモデルであるAER(Auto-encoder with Regression)を提案する。
論文 参考訳（メタデータ） (2022-12-27T17:22:21Z) - Real-time Detection of Anomalies in Multivariate Time Series of
Astronomical Data [0.0]
天文トランジェント(英: Astronomical transients)は、様々な時間スケールで一時的に明るくなる恒星天体である。
新しい天文学的なスカイサーベイは、かつてない数のマルチ波長のトランジェントを観測している。
本稿では, 高速かつ自動で異常な過渡光曲線をリアルタイムに検出することを目的とした2つの新しい手法を提案する。
論文 参考訳（メタデータ） (2021-12-15T19:02:54Z) - Real-time detection of anomalies in large-scale transient surveys [0.0]
本稿では, 異常な過渡光曲線を自動的にリアルタイムに検出する2つの新しい手法を提案する。
どちらの手法も、既知のトランジェント集団からの光曲線を正確にモデル化できるなら、モデル予測からの偏差は、おそらく異常である、という単純な考え方に基づいている。
論文 参考訳（メタデータ） (2021-10-29T18:29:25Z) - A Deep Learning Approach for Active Anomaly Detection of Extragalactic
Transients [1.7152709285783647]
本稿では,シミュレーションしたルビン天文台の銀河外過渡現象をエンコードする変分リカレントオートエンコーダニューラルネットワークを提案する。
1,129,184のイベントを,孤立林を用いて推定した異常スコアに基づいてランク付けした。
我々のアルゴリズムは、ピーク前にこれらの過渡現象を異常と識別することができ、リアルタイムの追従研究を可能にしている。
論文 参考訳（メタデータ） (2021-03-22T18:02:19Z) - TadGAN: Time Series Anomaly Detection Using Generative Adversarial
Networks [73.01104041298031]
TadGANは、GAN(Generative Adversarial Networks)上に構築された教師なしの異常検出手法である。
時系列の時間相関を捉えるために,ジェネレータと批評家のベースモデルとしてLSTMリカレントニューラルネットワークを用いる。
提案手法の性能と一般化性を示すため,いくつかの異常スコアリング手法を検証し,最も適した手法を報告する。
論文 参考訳（メタデータ） (2020-09-16T15:52:04Z)
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。