論文の概要: From CNN to ConvRNN: Adapting Visualization Techniques for Time-Series Anomaly Detection

• arxiv url: http://arxiv.org/abs/2411.04707v1
• Date: Thu, 07 Nov 2024 13:45:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-08 19:38:34.214858
• Title: From CNN to ConvRNN: Adapting Visualization Techniques for Time-Series Anomaly Detection
• Title（参考訳）: CNNからConvRNNへ:時系列異常検出のための可視化手法の適用
• Authors: Fabien Poirier,
• Abstract要約: 本稿では,ビデオデータから異常検出を行う時間分散convRNNによる学習プロセスに着目した。 その効果にもかかわらず、ニューラルネットワークは意思決定を説明することなく回答を提供することのできるブラックボックスとして認識されることが多い。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Nowadays, neural networks are commonly used to solve various problems. Unfortunately, despite their effectiveness, they are often perceived as black boxes capable of providing answers without explaining their decisions, which raises numerous ethical and legal concerns. Fortunately, the field of explainability helps users understand these results. This aspect of machine learning allows users to grasp the decision-making process of a model and verify the relevance of its outcomes. In this article, we focus on the learning process carried out by a ``time distributed`` convRNN, which performs anomaly detection from video data.
• Abstract（参考訳）: 今日では、ニューラルネットワークは様々な問題を解決するために一般的に使われている。 残念なことに、それらの効果にもかかわらず、彼らは意思決定を説明することなく答えを提供できるブラックボックスとして認識され、多くの倫理的、法的懸念を引き起こす。 幸いなことに、説明可能性の分野は、ユーザがこれらの結果を理解するのに役立つ。 この機械学習の側面により、ユーザーはモデルの意思決定プロセスを理解し、結果の妥当性を検証することができる。 本稿では,ビデオデータから異常検出を行う ``time distributed`` convRNN による学習過程に着目した。

関連論文リスト

• Manipulating Feature Visualizations with Gradient Slingshots [54.31109240020007]
  本稿では,モデルの決定過程に大きな影響を及ぼすことなく,特徴可視化(FV)を操作する新しい手法を提案する。 ニューラルネットワークモデルにおける本手法の有効性を評価し,任意の選択したニューロンの機能を隠蔽する能力を示す。
  論文  参考訳（メタデータ） (2024-01-11T18:57:17Z)
• Active Learning on Neural Networks through Interactive Generation of Digit Patterns and Visual Representation [9.127485315153312]
  対話型学習システムは、桁パターンを作成し、それをリアルタイムで認識するように設計されている。 複数のデータセットによる評価を行い、アクティブラーニングのユーザビリティを判断する。
  論文  参考訳（メタデータ） (2023-10-02T19:21:24Z)
• Conditional physics informed neural networks [85.48030573849712]
  固有値問題のクラス解を推定するための条件付きPINN(物理情報ニューラルネットワーク)を紹介します。 一つのディープニューラルネットワークが、問題全体に対する偏微分方程式の解を学習できることが示される。
  論文  参考訳（メタデータ） (2021-04-06T18:29:14Z)
• Explainable Adversarial Attacks in Deep Neural Networks Using Activation Profiles [69.9674326582747]
  本稿では,敵対的事例に基づくニューラルネットワークモデルを検討するためのビジュアルフレームワークを提案する。 これらの要素を観察することで、モデル内の悪用領域を素早く特定できることを示す。
  論文  参考訳（メタデータ） (2021-03-18T13:04:21Z)
• On the Post-hoc Explainability of Deep Echo State Networks for Time Series Forecasting, Image and Video Classification [63.716247731036745]
  エコー状態ネットワークは、主に学習アルゴリズムの単純さと計算効率のために、時間を通じて多くのスターを惹きつけてきた。 本研究では,時間系列,画像,映像データを用いた学習タスクに適用した場合のエコー状態ネットワークの説明可能性について検討した。 本研究では,これらの反復モデルが把握した知識に関する理解可能な情報を抽出する3つの手法を提案する。
  論文  参考訳（メタデータ） (2021-02-17T08:56:33Z)
• Convolutional Neural Networks for Multispectral Image Cloud Masking [7.812073412066698]
  畳み込みニューラルネットワーク(CNN)は多くの画像分類タスクの最先端技術であることが証明されている。 Proba-Vマルチスペクトル画像のクラウドマスキングにおける異なるCNNアーキテクチャの利用について検討する。
  論文  参考訳（メタデータ） (2020-12-09T21:33:20Z)
• Boosting Deep Neural Networks with Geometrical Prior Knowledge: A Survey [77.99182201815763]
  ディープニューラルネットワーク(DNN)は多くの異なる問題設定において最先端の結果を達成する。 DNNはしばしばブラックボックスシステムとして扱われ、評価と検証が複雑になる。 コンピュータビジョンタスクにおける畳み込みニューラルネットワーク(CNN)の成功に触発された、有望な分野のひとつは、対称幾何学的変換に関する知識を取り入れることである。
  論文  参考訳（メタデータ） (2020-06-30T14:56:05Z)
• Bayesian Neural Networks: An Introduction and Survey [22.018605089162204]
  本稿ではベイズニューラルネットワーク(BNN)とその実装に関する基礎研究を紹介する。 異なる近似推論法を比較し、将来の研究が現在の手法でどのように改善されるかを強調するために使用される。
  論文  参考訳（メタデータ） (2020-06-22T06:30:15Z)
• An Adversarial Approach for Explaining the Predictions of Deep Neural Networks [9.645196221785694]
  本稿では,敵対的機械学習を用いて,ディープニューラルネットワーク(DNN)の予測を説明する新しいアルゴリズムを提案する。 提案手法は,DNNに対する敵攻撃の挙動に基づいて,入力特徴の相対的重要性を推定する。 分析により、一貫性のある効率的な説明が得られます。
  論文  参考訳（メタデータ） (2020-05-20T18:06:53Z)
• Hold me tight! Influence of discriminative features on deep network boundaries [63.627760598441796]
  本稿では,データセットの特徴と,サンプルから決定境界までの距離を関連付ける新しい視点を提案する。 これにより、トレーニングサンプルの位置を慎重に調整し、大規模ビジョンデータセットでトレーニングされたCNNの境界における誘発された変化を測定することができる。
  論文  参考訳（メタデータ） (2020-02-15T09:29:36Z)

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。