論文の概要: Matrix Profile for Anomaly Detection on Multidimensional Time Series

• arxiv url: http://arxiv.org/abs/2409.09298v1
• Date: Sat, 14 Sep 2024 04:22:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-17 21:29:12.224548
• Title: Matrix Profile for Anomaly Detection on Multidimensional Time Series
• Title（参考訳）: 多次元時系列における異常検出のための行列プロファイル
• Authors: Chin-Chia Michael Yeh, Audrey Der, Uday Singh Saini, Vivian Lai, Yan Zheng, Junpeng Wang, Xin Dai, Zhongfang Zhuang, Yujie Fan, Huiyuan Chen, Prince Osei Aboagye, Liang Wang, Wei Zhang, Eamonn Keogh,
• Abstract要約: マトリックスプロファイル(MP)は時系列異常検出(TSAD)に有効であることが示されている 本稿では,多次元時系列における異常検出の問題について述べる。 119個の多次元TSADデータセット上で,多次元MPを19個のベースライン法と比較した。
• 参考スコア（独自算出の注目度）: 34.46977784156833
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Matrix Profile (MP), a versatile tool for time series data mining, has been shown effective in time series anomaly detection (TSAD). This paper delves into the problem of anomaly detection in multidimensional time series, a common occurrence in real-world applications. For instance, in a manufacturing factory, multiple sensors installed across the site collect time-varying data for analysis. The Matrix Profile, named for its role in profiling the matrix storing pairwise distance between subsequences of univariate time series, becomes complex in multidimensional scenarios. If the input univariate time series has n subsequences, the pairwise distance matrix is a n x n matrix. In a multidimensional time series with d dimensions, the pairwise distance information must be stored in a n x n x d tensor. In this paper, we first analyze different strategies for condensing this tensor into a profile vector. We then investigate the potential of extending the MP to efficiently find k-nearest neighbors for anomaly detection. Finally, we benchmark the multidimensional MP against 19 baseline methods on 119 multidimensional TSAD datasets. The experiments covers three learning setups: unsupervised, supervised, and semi-supervised. MP is the only method that consistently delivers high performance across all setups.
• Abstract（参考訳）: 時系列データマイニングのための汎用ツールであるMatrix Profile (MP) は、時系列異常検出(TSAD)において有効であることが示されている。 本稿では,多次元時系列における異常検出の問題について述べる。 例えば、製造工場では、サイト全体に設置された複数のセンサーが分析のために時間変化のデータを収集します。 行列プロファイル(英: Matrix Profile)は、一変量級数列の列間のペアワイズ距離を格納する行列をプロファイリングする役割から名付けられ、多次元シナリオでは複雑になる。 入力単変量時系列が n の部分列を持つとき、対距離行列は n x n 行列である。 d次元の多次元時系列では、対距離情報は n x n x d テンソルに格納されなければならない。 本稿ではまず,このテンソルをプロファイルベクトルに凝縮するための様々な戦略を解析する。 そこで我々は,MPを拡張して,異常検出のためのk-アネレスト近傍を効率的に見つける可能性について検討した。 最後に、119個の多次元TSADデータセット上で、多次元MPを19個のベースライン法と比較した。 実験では、教師なし、教師なし、半教師なしの3つの学習設定をカバーしている。 MPは、すべてのセットアップで継続的にハイパフォーマンスを提供する唯一の方法です。

関連論文リスト

• EdgeConvFormer: Dynamic Graph CNN and Transformer based Anomaly Detection in Multivariate Time Series [7.514010315664322]
  本研究では,階層化されたTime2vec埋め込み,動的グラフCNN,Transformerを統合し,グローバルかつ局所的な空間時間情報を抽出する新たな異常検出手法EdgeConvFormerを提案する。 実験により、EdgeConvFormerは、多変量時系列データから時空間モデリングを学習し、異なるスケールの多くの実世界のデータセットに対する最先端のアプローチよりも優れた異常検出性能を得ることができることが示された。
  論文  参考訳（メタデータ） (2023-12-04T08:38:54Z)
• DBA: Efficient Transformer with Dynamic Bilinear Low-Rank Attention [53.02648818164273]
  動的双線形低ランク注意(DBA)という,効率的かつ効果的な注意機構を提案する。 DBAは入力感度の動的射影行列によってシーケンス長を圧縮し、線形時間と空間の複雑さを実現する。 様々なシーケンス長条件のタスクに対する実験は、DBAが最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2022-11-24T03:06:36Z)
• TimesNet: Temporal 2D-Variation Modeling for General Time Series Analysis [80.56913334060404]
  時系列解析は、天気予報、異常検出、行動認識などの応用において非常に重要である。 従来の手法では、1D時系列から直接これを達成しようと試みていた。 複雑な経時的変化を、複数の経時的変化と経時的変化に明らかにする。
  論文  参考訳（メタデータ） (2022-10-05T12:19:51Z)
• Triformer: Triangular, Variable-Specific Attentions for Long Sequence Multivariate Time Series Forecasting--Full Version [50.43914511877446]
  本稿では,高い効率と精度を確保するために,三角形,可変特性に着目した注意点を提案する。 我々はTriformerが精度と効率の両方で最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-04-28T20:41:49Z)
• Leverage Score Sampling for Tensor Product Matrices in Input Sparsity Time [54.65688986250061]
  我々は,$q$-foldカラムワイドテンソル積の$q$行列に対応するグラム行列を近似するための入力空間時間サンプリングアルゴリズムを提案する。 我々のサンプリング技術は、合計時間でデータセット$X$に同時に適用できる$q$部分相関ランダムプロジェクションのコレクションに依存している。
  論文  参考訳（メタデータ） (2022-02-09T15:26:03Z)
• 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)
• Subspace Change-Point Detection via Low-Rank Matrix Factorisation [0.0]
  低ランク行列分解に基づく変化点検出法を提案する。 合成データと実データの両方に対する実験結果から,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2021-10-08T11:36:08Z)
• Unsupervised Anomaly Detection on Temporal Multiway Data [40.63064197740885]
  本研究は,データマトリックスが各ステップで観測される双方向データに焦点をあてる。 本研究では,時間的マルチウェイ異常検出のためのデータアレンジメントと教師なしトレーニングについて検討した。 これには圧縮圧縮、符号化予測、時間データの差分が含まれる。
  論文  参考訳（メタデータ） (2020-09-20T14:49:34Z)
• Spectral Learning on Matrices and Tensors [74.88243719463053]
  テンソル分解は行列法で欠落する潜伏効果を拾うことができることを示す。 また,効率的なテンソル分解法を設計するための計算手法についても概説する。
  論文  参考訳（メタデータ） (2020-04-16T22:53:00Z)

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。