論文の概要: Constraint Guided AutoEncoders for Joint Optimization of Condition Indicator Estimation and Anomaly Detection in Machine Condition Monitoring

• arxiv url: http://arxiv.org/abs/2409.11807v1
• Date: Wed, 18 Sep 2024 08:48:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-09-19 18:34:01.709503
• Title: Constraint Guided AutoEncoders for Joint Optimization of Condition Indicator Estimation and Anomaly Detection in Machine Condition Monitoring
• Title（参考訳）: 機械条件モニタリングにおける条件指標推定と異常検出の協調最適化のための制約ガイド付きオートエンコーダ
• Authors: Maarten Meire, Quinten Van Baelen, Ted Ooijevaar, Peter Karsmakers,
• Abstract要約: この研究は、ADとCIの見積の両方に使用できる単一のモデルの構築を可能にするConstraint Guided AutoEncoders(CGAE)の拡張を提案する。 改善されたCI推定のために、拡張には、モデルを時間とともに単調に増加するCI予測に強制する制約が組み込まれている。 実験の結果,提案アルゴリズムは,CIの単調な挙動を改善しつつ,ADに関してCGAEと似ているか,少し良く動作することがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The main goal of machine condition monitoring is, as the name implies, to monitor the condition of industrial applications. The objective of this monitoring can be mainly split into two problems. A diagnostic problem, where normal data should be distinguished from anomalous data, otherwise called Anomaly Detection (AD), or a prognostic problem, where the aim is to predict the evolution of a Condition Indicator (CI) that reflects the condition of an asset throughout its life time. When considering machine condition monitoring, it is expected that this CI shows a monotonic behavior, as the condition of a machine gradually degrades over time. This work proposes an extension to Constraint Guided AutoEncoders (CGAE), which is a robust AD method, that enables building a single model that can be used for both AD and CI estimation. For the purpose of improved CI estimation the extension incorporates a constraint that enforces the model to have monotonically increasing CI predictions over time. Experimental results indicate that the proposed algorithm performs similar, or slightly better, than CGAE, with regards to AD, while improving the monotonic behavior of the CI.
• Abstract（参考訳）: マシン・コンディション・モニタリングの主な目標は、その名が示すように、産業アプリケーションの状態を監視することである。 このモニタリングの目的は、主に2つの問題に分けられる。 通常のデータと異常検出(AD)と呼ばれる異常データとを区別する診断問題や、その寿命を通して資産の状態が反映される条件指標(CI)の進化を予測することを目的とした予後問題である。 このCIは, 機械の状態が時間とともに徐々に劣化するにつれて, 単調な挙動を示すことが期待される。 本研究では,AD推定とCI推定の両方に使用可能な単一モデルの構築が可能な,堅牢なADメソッドであるConstraint Guided AutoEncoders(CGAE)の拡張を提案する。 改善されたCI推定のために、拡張には、モデルを時間とともに単調に増加するCI予測に強制する制約が組み込まれている。 実験の結果,提案アルゴリズムは,CIの単調な挙動を改善しつつ,ADに関してCGAEと似ているか,少し良く動作することがわかった。

関連論文リスト

• Real-Time Proactive Anomaly Detection via Forward and Backward Forecast Modeling [0.0]
  本稿では,前向き予測モデル (FFM) と後向き再構成モデル (BRM) の2つの前向きな異常検出フレームワークを紹介する。 FFMは破壊を予想する将来のシーケンスを予測し、BRMは将来の状況から最近の歴史を再構築し、初期の前駆体を明らかにする。 我々のモデルは連続的および離散的多変量特徴の両方をサポートし、実環境における堅牢な性能を実現する。
  論文  参考訳（メタデータ） (2026-02-12T03:57:41Z)
• A Tilted Seesaw: Revisiting Autoencoder Trade-off for Controllable Diffusion [12.638580946105643]
  潜時拡散モデルでは、オートエンコーダは通常、忠実な再構成と世代フレンドリーな潜時空間という2つの能力のバランスをとることが期待されている。 近年のImageNet-scale AE研究では、このトレードオフに対処する上で、生成指標に対する体系的なバイアスが観察されている。 我々は、このgFID優位な嗜好がImageNet生成に不適切であるように見える理由を分析するが、スケールが制御可能な拡散に近づくと危険になる。
  論文  参考訳（メタデータ） (2026-01-29T12:32:47Z)
• ACD: Direct Conditional Control for Video Diffusion Models via Attention Supervision [62.41380823195191]
  本稿では,注意監督による映像拡散モデルにおける直接条件制御のためのフレームワークである,注意継続拡散(Attention-Conditional Diffusion)を提案する。 ACDは、モデルの注意マップと外部制御信号との整列により、より良い制御性を実現する。 ベンチマークビデオ生成データセットの実験は、ACDがコンディショニング入力と優れたアライメントを提供することを示した。
  論文  参考訳（メタデータ） (2025-12-24T16:24:18Z)
• Labels Matter More Than Models: Quantifying the Benefit of Supervised Time Series Anomaly Detection [56.302586730134806]
  時系列異常検出(TSAD)は、しばしばラベル不足によって制約される重要なデータマイニングタスクである。 現在の研究は、主に教師なし時系列異常検出に焦点を当てている。 本稿では,アーキテクチャの複雑さがTSADの最適経路である,という前提に挑戦する。
  論文  参考訳（メタデータ） (2025-11-20T08:32:49Z)
• Correcting False Alarms from Unseen: Adapting Graph Anomaly Detectors at Test Time [60.341117019125214]
  グラフ異常検出(GAD)における未確認正規pattErnsの修正のための,軽量かつプラグアンドプレイなテスト時間適応フレームワークを提案する。 意味的混乱に対処するために、シフトしたデータと元のデータとをグラフ属性レベルで整合させるグラフ整合器を用いる。 10個の実世界のデータセットに対する大規模な実験により、TUNEは事前学習されたGADモデルの合成パターンと実際の見えない正常パターンの両方への一般化性を著しく向上することが示された。
  論文  参考訳（メタデータ） (2025-11-10T12:10:05Z)
• Deep evolving semi-supervised anomaly detection [14.027613461156864]
  本研究の目的は,連続的半教師付き異常検出(CSAD)のタスクを形式化することである。 本稿では,半教師付きデータを扱うための変分オートエンコーダ(VAE)のベースラインモデルを提案する。
  論文  参考訳（メタデータ） (2024-12-01T15:48:37Z)
• Friend or Foe? Harnessing Controllable Overfitting for Anomaly Detection [30.77558600436759]
  オーバーフィッティングは、長い間、モデルパフォーマンスに有害なものとして評価されてきた。 モデル識別能力を高めるための制御可能かつ戦略的メカニズムとしてオーバーフィッティングを再放送する。 最適化された異常検出のためにオーバーフィッティングを利用する新しいフレームワークである制御可能オーバーフィッティングに基づく異常検出(COAD)を提案する。
  論文  参考訳（メタデータ） (2024-11-30T19:07:16Z)
• Automatically Adaptive Conformal Risk Control [49.95190019041905]
  本稿では,テストサンプルの難易度に適応して,統計的リスクの近似的条件制御を実現する手法を提案する。 我々のフレームワークは、ユーザが提供するコンディショニングイベントに基づく従来のコンディショニングリスク制御を超えて、コンディショニングに適した関数クラスのアルゴリズム的、データ駆動決定を行う。
  論文  参考訳（メタデータ） (2024-06-25T08:29:32Z)
• Pattern-Based Time-Series Risk Scoring for Anomaly Detection and Alert Filtering -- A Predictive Maintenance Case Study [3.508168174653255]
  本稿では,逐次パターンの類似性に基づいて,異常検出と警告フィルタリングを高速かつ効率的に行う手法を提案する。 本稿では, 大規模産業システムにおける異常検出を含む様々な目的で, このアプローチをどのように活用するかを示す。
  論文  参考訳（メタデータ） (2024-05-24T20:27:45Z)
• Learning Feature Inversion for Multi-class Anomaly Detection under General-purpose COCO-AD Benchmark [101.23684938489413]
  異常検出(AD)は、しばしば産業品質検査や医学的病変検査のための異常の検出に焦点が当てられている。 この研究はまず、COCOをADフィールドに拡張することにより、大規模で汎用的なCOCO-ADデータセットを構築する。 セグメンテーション分野のメトリクスにインスパイアされた我々は、より実用的なしきい値に依存したAD固有のメトリクスをいくつか提案する。
  論文  参考訳（メタデータ） (2024-04-16T17:38:26Z)
• Revisiting VAE for Unsupervised Time Series Anomaly Detection: A Frequency Perspective [40.21603048003118]
  変分オートエンコーダ(VAE)は、より優れたノイズ除去能力のために近年人気を集めている。 FCVAEは、グローバルとローカルの両方の周波数特徴を条件付き変分オートエンコーダ(CVAE)の条件に同時に統合する革新的なアプローチを利用する 提案手法は, パブリックデータセットと大規模クラウドシステムを用いて評価され, その結果, 最先端の手法よりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2024-02-05T09:06:57Z)
• Understanding, Predicting and Better Resolving Q-Value Divergence in Offline-RL [86.0987896274354]
  まず、オフラインRLにおけるQ値推定のばらつきの主な原因として、基本パターン、自己励起を同定する。 そこで本研究では,Q-network の学習における進化特性を測定するために,SEEM(Self-Excite Eigen Value Measure)尺度を提案する。 われわれの理論では、訓練が早期に発散するかどうかを確実に決定できる。
  論文  参考訳（メタデータ） (2023-10-06T17:57:44Z)
• Confidence Attention and Generalization Enhanced Distillation for Continuous Video Domain Adaptation [62.458968086881555]
  連続ビデオドメイン適応(CVDA、Continuous Video Domain Adaptation)は、ソースモデルが個々の変更対象ドメインに適応する必要があるシナリオである。 CVDAの課題に対処するため,遺伝子組み換え型自己知識解離(CART)を用いた信頼性保証ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-03-18T16:40:10Z)
• Are we certain it's anomalous? [57.729669157989235]
  時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。 本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。 HypADは自己指導で入力信号を再構築する。
  論文  参考訳（メタデータ） (2022-11-16T21:31:39Z)
• Hierarchical Conditional Variational Autoencoder Based Acoustic Anomaly Detection [8.136103644634348]
  既存手法としては、ディープオートエンコーダ(DAE)、変分オートエンコーダ(VAE)、条件変分オートエンコーダ(CVAE)などがある。 階層型条件変分オートエンコーダ(HCVAE)と呼ばれる新しい手法を提案する。 この方法は、産業施設に関する利用可能な分類学的階層的知識を利用して、潜在空間の表現を洗練させる。
  論文  参考訳（メタデータ） (2022-06-11T08:15:01Z)
• Monitoring nonstationary processes based on recursive cointegration analysis and elastic weight consolidation [2.8102838347038617]
  従来のアプローチは、通常の動的偏差を障害と誤認し、高い誤報を引き起こす。 本稿では, RCA と RPCA を用いて, 実際の故障と通常のシステム変化を区別する手法を提案する。 破滅的な「忘れる問題」を解決するために弾性重量凝縮(EWC)が用いられる。
  論文  参考訳（メタデータ） (2021-01-21T12:49:18Z)
• Detecting Rewards Deterioration in Episodic Reinforcement Learning [63.49923393311052]
  多くのRLアプリケーションでは、トレーニングが終了すると、エージェント性能の劣化をできるだけ早く検出することが不可欠である。 我々は,各エピソードにおける報酬が独立でもなく,同一に分散した,マルコフでもない,エピソード的枠組みを考察する。 平均シフトは、時間信号の劣化(報酬など)に対応する方法で定義し、最適な統計的パワーでこの問題の試行を導出する。
  論文  参考訳（メタデータ） (2020-10-22T12:45:55Z)
• Anomaly Detection With Conditional Variational Autoencoders [1.3541554606406663]
  我々は,Deep Conditional Variational Autoencoder (CVAE) を利用して,階層的に構造化されたデータを対象としたメトリクスとともに,元の損失関数を定義する。 CERN大ハドロン衝突型加速器における多くの粒子物理学実験の基本的な構成要素であるトリガーシステムを監視する。
  論文  参考訳（メタデータ） (2020-10-12T08:39:37Z)

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。