論文の概要: Enhancing anomaly detection with topology-aware autoencoders

• arxiv url: http://arxiv.org/abs/2502.10163v1
• Date: Fri, 14 Feb 2025 13:50:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-17 18:06:18.911163
• Title: Enhancing anomaly detection with topology-aware autoencoders
• Title（参考訳）: トポロジ対応オートエンコーダによる異常検出の強化
• Authors: Vishal S. Ngairangbam, Błażej Rozwoda, Kazuki Sakurai, Michael Spannowsky,
• Abstract要約: オートエンコーダは信号に依存しないアプローチを提供するが、その潜在空間の位相によって制限される。 球面(Sn$)、積(S2 otimes S2$)、射影(mathbbRP2$)潜在空間を持つオートエンコーダを構築する。 提案手法をハドロン上クォーク崩壊シミュレーションに適用することにより, 適切な位相制約を持つ潜在空間が異常事象の検出における感度と頑健性を高めることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Anomaly detection in high-energy physics is essential for identifying new physics beyond the Standard Model. Autoencoders provide a signal-agnostic approach but are limited by the topology of their latent space. This work explores topology-aware autoencoders, embedding phase-space distributions onto compact manifolds that reflect energy-momentum conservation. We construct autoencoders with spherical ($S^n$), product ($S^2 \otimes S^2$), and projective ($\mathbb{RP}^2$) latent spaces and compare their anomaly detection performance against conventional Euclidean embeddings. Our results show that autoencoders with topological priors significantly improve anomaly separation by preserving the global structure of the data manifold and reducing spurious reconstruction errors. Applying our approach to simulated hadronic top-quark decays, we show that latent spaces with appropriate topological constraints enhance sensitivity and robustness in detecting anomalous events. This study establishes topology-aware autoencoders as a powerful tool for unsupervised searches for new physics in particle-collision data.
• Abstract（参考訳）: 高エネルギー物理における異常検出は、標準モデルを超えた新しい物理を特定するために不可欠である。 オートエンコーダは信号に依存しないアプローチを提供するが、その潜在空間の位相によって制限される。 本研究では、位相空間分布をエネルギーモメンタム保存を反映したコンパクト多様体に埋め込む位相対応オートエンコーダについて検討する。 球面(S^n$)、積(S^2 \otimes S^2$)、射影(\mathbb{RP}^2$)の潜在空間を持つオートエンコーダを構築し、それらの異常検出性能を従来のユークリッド埋め込みと比較する。 以上の結果から, トポロジカルな先行するオートエンコーダは, データ多様体のグローバル構造を保ち, 急激な復元誤差を低減し, 異常分離を著しく改善することがわかった。 提案手法をハドロン上クォーク崩壊シミュレーションに適用することにより, 適切な位相制約を持つ潜在空間が異常事象の検出における感度と頑健性を高めることを示す。 本研究では、粒子衝突データにおける新しい物理の教師なし探索のための強力なツールとして、トポロジ対応オートエンコーダを確立する。

関連論文リスト

• Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
  本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。 さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。 提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
  論文  参考訳（メタデータ） (2023-11-27T13:14:06Z)
• Ensuring Topological Data-Structure Preservation under Autoencoder Compression due to Latent Space Regularization in Gauss--Legendre nodes [0.0]
  我々は、正規化されたオートエンコーダが初期データ多様体をその潜在表現に1対1で再埋め込みすることを証明した。 この観察は、古典的なFashionMNISTデータセットを通じて、MRI脳スキャンの問題を実世界まで拡張する。
  論文  参考訳（メタデータ） (2023-09-15T07:58:26Z)
• Triggering Dark Showers with Conditional Dual Auto-Encoders [1.5615730862955413]
  本稿では,コライダにおける一般およびモデルに依存しない新しい物理探索のための条件付きデュアルオートエンコーダ(CoDAE)のファミリーを提案する。
  論文  参考訳（メタデータ） (2023-06-22T15:13:18Z)
• Making Reconstruction-based Method Great Again for Video Anomaly Detection [64.19326819088563]
  ビデオの異常検出は重要な問題だが、難しい問題だ。 既存の再構成に基づく手法は、昔ながらの畳み込みオートエンコーダに依存している。 連続フレーム再構築のための新しいオートエンコーダモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-28T01:57:57Z)
• Enhancing Detection of Topological Order by Local Error Correction [0.5025737475817937]
  本稿では,誤り訂正法と再正規化群流の考え方を組み合わせることで,位相状態の定量化のための新しいパラダイムを提案する。 様々な摂動条件下でのトーリック符号の数値シミュレーションを用いてLEDのパワーを実証する。 次に、Rydberg-atomシミュレータ上に生成した量子スピン液体の新しい洞察を提供する実験的な実現に適用する。
  論文  参考訳（メタデータ） (2022-09-26T05:31:04Z)
• Anomaly Detection with Adversarially Learned Perturbations of Latent Space [9.473040033926264]
  異常検出は、正常なデータの分布に適合しないサンプルを特定することである。 本研究では,2つの競合するコンポーネント,Adversarial Distorter と Autoencoder で構成される対角的フレームワークを設計した。 提案手法は,画像およびビデオデータセットの異常検出において,既存の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2022-07-03T19:32:00Z)
• Bayesian Autoencoders for Drift Detection in Industrial Environments [69.93875748095574]
  オートエンコーダは、マルチセンサー環境で異常を検出するために使用される教師なしモデルである。 異常は、実際の環境の変化(実際のドリフト)や、故障した感覚デバイス(仮想ドリフト)から生じる。
  論文  参考訳（メタデータ） (2021-07-28T10:19:58Z)
• Topological Obstructions to Autoencoding [4.2056926734482065]
  データセットの内在的および外在的トポロジがオートエンコーダの挙動にどのように影響するかを示す。 この分析は、オートエンコーダが異常な「信号」を識別するのに失敗したモック「バンプハント」の議論で基礎となる。
  論文  参考訳（メタデータ） (2021-02-16T19:00:00Z)
• ESAD: End-to-end Deep Semi-supervised Anomaly Detection [85.81138474858197]
  正規データと異常データの間のKL偏差を計測する新たな目的関数を提案する。 提案手法は,複数のベンチマークデータセットの最先端性能を著しく上回っている。
  論文  参考訳（メタデータ） (2020-12-09T08:16:35Z)
• Attribute-Guided Adversarial Training for Robustness to Natural Perturbations [64.35805267250682]
  本稿では,属性空間への分類器の露出を最大化するために,新しいサンプルを生成することを学習する逆学習手法を提案する。 我々のアプローチは、ディープニューラルネットワークが自然に発生する摂動に対して堅牢であることを可能にする。
  論文  参考訳（メタデータ） (2020-12-03T10:17:30Z)
• Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
  本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。 我々は,再建基準の代替として,異常スコアの代替尺度を提案した。 提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2020-03-24T08:26:58Z)

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。