論文の概要: Dealing with Uncertainty in Contextual Anomaly Detection

• arxiv url: http://arxiv.org/abs/2507.04490v1
• Date: Sun, 06 Jul 2025 18:02:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:35.206725
• Title: Dealing with Uncertainty in Contextual Anomaly Detection
• Title（参考訳）: 文脈異常検出における不確かさへの対処
• Authors: Luca Bindini, Lorenzo Perini, Stefano Nistri, Jesse Davis, Paolo Frasconi,
• Abstract要約: コンテキスト異常検出(CAD)は、コンテキスト変数のセットに条件付けされたターゲット(振る舞い)変数の異常を識別することを目的としている。 そこで本研究では,アレータ性およびてんかん性不確実性の両方を明示的にモデル化したCADのための新しいフレームワークである正規性スコア(NS)を提案する。 NSは検出精度と解釈可能性の両方において最先端CAD法より優れていることを示す。
• 参考スコア（独自算出の注目度）: 14.492457340456737
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Contextual anomaly detection (CAD) aims to identify anomalies in a target (behavioral) variable conditioned on a set of contextual variables that influence the normalcy of the target variable but are not themselves indicators of anomaly. In many anomaly detection tasks, there exist contextual variables that influence the normalcy of the target variable but are not themselves indicators of anomaly. In this work, we propose a novel framework for CAD, normalcy score (NS), that explicitly models both the aleatoric and epistemic uncertainties. Built on heteroscedastic Gaussian process regression, our method regards the Z-score as a random variable, providing confidence intervals that reflect the reliability of the anomaly assessment. Through experiments on benchmark datasets and a real-world application in cardiology, we demonstrate that NS outperforms state-of-the-art CAD methods in both detection accuracy and interpretability. Moreover, confidence intervals enable an adaptive, uncertainty-driven decision-making process, which may be very important in domains such as healthcare.
• Abstract（参考訳）: 文脈異常検出(CAD)は、対象変数の正規性に影響を与えるが、それ自体は異常の指標ではないコンテキスト変数のセットに条件付されたターゲット(行動)変数の異常を特定することを目的としている。 多くの異常検出タスクでは、対象変数の正規性に影響を与える文脈変数が存在するが、それ自体が異常の指標ではない。 本研究はCADのための新しいフレームワークである正規化スコア(NS)を提案する。 本手法は非定常ガウス過程の回帰に基づいて,Zスコアを確率変数とみなし,異常評価の信頼性を反映した信頼区間を提供する。 ベンチマークデータセットの実験と心臓医学における実世界の応用を通じて、NSは検出精度と解釈可能性の両方において最先端CAD法より優れていることを示した。 さらに、信頼区間は適応的で不確実性に基づく意思決定プロセスを可能にし、医療などの分野において非常に重要である可能性がある。

関連論文リスト

• Distributional Shift-Aware Off-Policy Interval Estimation: A Unified Error Quantification Framework [8.572441599469597]
  本研究では、無限水平マルコフ決定過程の文脈における高信頼オフ政治評価について検討する。 目的は、未知の行動ポリシーから事前に収集されたオフラインデータのみを用いて、対象の政策値に対する信頼区間(CI)を確立することである。 提案アルゴリズムは, 非線形関数近似設定においても, サンプル効率, 誤差ローバスト, 既知収束性を示す。
  論文  参考訳（メタデータ） (2023-09-23T06:35:44Z)
• Uncertainty-Aware AB3DMOT by Variational 3D Object Detection [74.8441634948334]
  不確実性推定は統計的に正確な予測を提供する効果的なツールである。 本稿では,変分ニューラルネットワークを用いたTANet 3Dオブジェクト検出器を提案し,不確実性のある3Dオブジェクト検出を行う。
  論文  参考訳（メタデータ） (2023-02-12T14:30:03Z)
• Independence Testing-Based Approach to Causal Discovery under Measurement Error and Linear Non-Gaussian Models [9.016435298155827]
  因果発見は、観測データを生成する因果構造を復元することを目的としている。 この問題の特定の定式化を考えると、観測されていない対象変数は非ガウス非巡回線型モデルに従う。 本研究では,ある測定変数の特定の線形変換と,他の測定変数との独立性をチェックする変態独立雑音条件を提案する。
  論文  参考訳（メタデータ） (2022-10-20T05:10:37Z)
• Bayesian autoencoders with uncertainty quantification: Towards trustworthy anomaly detection [78.24964622317634]
  本研究では, ベイズオートエンコーダ (BAEs) の定式化により, 全体の異常不確かさを定量化する。 不確実性の質を評価するために,不確実性の予測を拒否するオプションを追加して,異常を分類する作業を検討する。 本実験は,BAEと総異常不確かさが,ベンチマークデータセットと製造用実データセットのセットに与える影響を実証するものである。
  論文  参考訳（メタデータ） (2022-02-25T12:20:04Z)
• SLA$^2$P: Self-supervised Anomaly Detection with Adversarial Perturbation [77.71161225100927]
  異常検出は、機械学習の基本的な問題であるが、難しい問題である。 本稿では,非教師付き異常検出のための新しい強力なフレームワークであるSLA$2$Pを提案する。
  論文  参考訳（メタデータ） (2021-11-25T03:53:43Z)
• Dense Uncertainty Estimation via an Ensemble-based Conditional Latent Variable Model [68.34559610536614]
  我々は、アレータリック不確実性はデータの固有の特性であり、偏見のないオラクルモデルでのみ正確に推定できると論じる。 そこで本研究では,軌道不確実性推定のためのオラクルモデルを近似するために,列車時の新しいサンプリングと選択戦略を提案する。 以上の結果から,提案手法は精度の高い決定論的結果と確実な不確実性推定の両方を達成できることが示唆された。
  論文  参考訳（メタデータ） (2021-11-22T08:54:10Z)
• Deep Quantile Regression for Uncertainty Estimation in Unsupervised and Supervised Lesion Detection [0.0]
  不確かさは、異常や病変の検出、臨床診断などの重要な応用において重要である。 そこで本研究では,量子レグレッション(quantile regression)を用いてアレータ性不確かさを推定し,教師付き病変検出と教師なし病変検出の両問題における不確かさを推定する。 本研究では, 病変境界位置における専門家の不一致を特徴付けるために, 量子レグレッションがいかに有効かを示す。
  論文  参考訳（メタデータ） (2021-09-20T08:50:21Z)
• The Hidden Uncertainty in a Neural Networks Activations [105.4223982696279]
  ニューラルネットワークの潜在表現の分布は、アウト・オブ・ディストリビューション(OOD)データの検出に成功している。 本研究は、この分布が、モデルの不確実性と相関しているかどうかを考察し、新しい入力に一般化する能力を示す。
  論文  参考訳（メタデータ） (2020-12-05T17:30:35Z)
• Uncertainty-Gated Stochastic Sequential Model for EHR Mortality Prediction [6.170898159041278]
  本稿では,欠落変数の分布を推定し,隠れ状態の更新を行い,院内死亡の可能性を予測できる新しい変動再帰ネットワークを提案する。 我々のモデルは、これらの手順を1つのストリームで実行し、エンドツーエンドで全てのネットワークパラメータを共同で学習できることは注目に値する。
  論文  参考訳（メタデータ） (2020-03-02T04:41:28Z)

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。