Fugu-MT 論文翻訳(概要): Unsupervised Anomaly Detection in ALS EPICS Event Logs

論文の概要: Unsupervised Anomaly Detection in ALS EPICS Event Logs

arxiv url: http://arxiv.org/abs/2509.13621v1
Date: Wed, 17 Sep 2025 01:36:24 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-18 18:41:50.682874
Title: Unsupervised Anomaly Detection in ALS EPICS Event Logs
Title（参考訳）: ALS EPICSイベントログにおける教師なし異常検出
Authors: Antonin Sulc, Thorsten Hellert, Steven Hunt,
Abstract要約: 本稿では,EPICS制御システムからリアルタイムのイベントログを処理する,Advanced Light Source (ALS) の自動故障解析フレームワークを提案する。ログエントリを自然言語として扱うことにより、セマンティック埋め込み技術を用いてコンテキストベクトル表現に変換する。通常の運用データに基づいてトレーニングされたシーケンス対応ニューラルネットワークは、各イベントにリアルタイム異常スコアを割り当てる。
参考スコア（独自算出の注目度）: 0.3058685580689604
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper introduces an automated fault analysis framework for the Advanced Light Source (ALS) that processes real-time event logs from its EPICS control system. By treating log entries as natural language, we transform them into contextual vector representations using semantic embedding techniques. A sequence-aware neural network, trained on normal operational data, assigns a real-time anomaly score to each event. This method flags deviations from baseline behavior, enabling operators to rapidly identify the critical event sequences that precede complex system failures.
Abstract（参考訳）: 本稿では,EPICS制御システムからリアルタイムのイベントログを処理する,Advanced Light Source (ALS) の自動故障解析フレームワークを提案する。ログエントリを自然言語として扱うことにより、セマンティック埋め込み技術を用いてコンテキストベクトル表現に変換する。通常の運用データに基づいてトレーニングされたシーケンス対応ニューラルネットワークは、各イベントにリアルタイム異常スコアを割り当てる。このメソッドは、ベースラインの動作から逸脱をフラグ付け、複雑なシステム障害に先行する重要なイベントシーケンスをオペレータが迅速に特定することを可能にする。

関連論文リスト

Beyond Window-Based Detection: A Graph-Centric Framework for Discrete Log Anomaly Detection [35.817909860425026]
離散ログ異常検出のためのグラフ中心のフレームワークであるTempoLogを提案する。本手法は,事象レベルの異常検出における最先端性能を実現し,精度と効率の両面で既存手法よりも優れていた。
論文参考訳（メタデータ） (2025-01-21T14:26:03Z)
Detecting Anomalous Events in Object-centric Business Processes via Graph Neural Networks [55.583478485027]
本研究では,ビジネスプロセスにおける異常検出のための新しいフレームワークを提案する。まず、属性グラフとしてオブジェクト中心のイベントログのプロセス依存性を再構築する。次に、異常事象を検出するために、グラフ畳み込みオートエンコーダアーキテクチャを用いる。
論文参考訳（メタデータ） (2024-02-14T14:17:56Z)
RAPID: Training-free Retrieval-based Log Anomaly Detection with PLM considering Token-level information [7.861095039299132]
特に現実世界のアプリケーションでは、ログ異常検出の必要性が高まっている。従来のディープラーニングベースの異常検出モデルでは、データセット固有のトレーニングが必要で、それに対応する遅延が発生する。本稿では,ログデータ固有の特徴を活かして,トレーニング遅延を伴わずに異常検出を可能にするモデルRAPIDを紹介する。
論文参考訳（メタデータ） (2023-11-09T06:11:44Z)
GLAD: Content-aware Dynamic Graphs For Log Anomaly Detection [49.9884374409624]
GLADは、システムログの異常を検出するように設計されたグラフベースのログ異常検出フレームワークである。システムログの異常を検出するために設計されたグラフベースのログ異常検出フレームワークであるGLADを紹介する。
論文参考訳（メタデータ） (2023-09-12T04:21:30Z)
A hybrid feature learning approach based on convolutional kernels for ATM fault prediction using event-log data [5.859431341476405]
イベントログデータから特徴を抽出するために,畳み込みカーネル(MiniROCKETとHYDRA)に基づく予測モデルを提案する。提案手法は,実世界の重要な収集データセットに適用される。このモデルは、ATMのタイムリーなメンテナンスにおいてオペレータをサポートするコンテナベースの意思決定支援システムに統合された。
論文参考訳（メタデータ） (2023-05-17T08:55:53Z)
Token-level Sequence Labeling for Spoken Language Understanding using Compositional End-to-End Models [94.30953696090758]
音声合成言語理解システムを構築した。 ASRのために訓練された中間デコーダを頼りにすることで、私たちのエンドツーエンドシステムは、入力モダリティを音声からトークンレベルの表現に変換する。我々のモデルは、名前付きエンティティ認識のラベル付けタスクにおいて、カスケードモデルと直接エンド・ツー・エンドモデルの両方より優れている。
論文参考訳（メタデータ） (2022-10-27T19:33:18Z)
Avoiding Post-Processing with Event-Based Detection in Biomedical Signals [69.34035527763916]
学習対象としてイベントを直接扱うイベントベースのモデリングフレームワークを提案する。イベントベースのモデリング(後処理なし)は、広範囲な後処理を伴うエポックベースのモデリングと同等以上のパフォーマンスを示す。
論文参考訳（メタデータ） (2022-09-22T13:44:13Z)
AEGNN: Asynchronous Event-based Graph Neural Networks [54.528926463775946]
イベントベースのグラフニューラルネットワークは、標準のGNNを一般化して、イベントを"進化的"時間グラフとして処理する。 AEGNNは同期入力で容易に訓練でき、テスト時に効率的な「非同期」ネットワークに変換できる。
論文参考訳（メタデータ） (2022-03-31T16:21:12Z)
Event-LSTM: An Unsupervised and Asynchronous Learning-based Representation for Event-based Data [8.931153235278831]
イベントカメラは、アクティビティ駆動のバイオインスパイアされたビジョンセンサーです。 LSTM層からなる教師なしオートエンコーダアーキテクチャであるEvent-LSTMを提案する。また、最先端のイベントをデノージングプロセスにメモリを導入することで、デノージングを前進させます。
論文参考訳（メタデータ） (2021-05-10T09:18:52Z)
Online Learning Probabilistic Event Calculus Theories in Answer Set Programming [70.06301658267125]
イベント認識(CER)システムは、事前に定義されたイベントパターンを使用して、ストリーミングタイムスタンプデータセットで発生を検出する。本稿では,複雑なイベントパターンによる確率論的推論を,イベント計算で重み付けされたルールの形で行うことができるAnswer Set Programming(ASP)に基づくシステムを提案する。その結果, 効率と予測の両面で, 新たなアプローチの優位性が示された。
論文参考訳（メタデータ） (2021-03-31T23:16:29Z)
Recomposition vs. Prediction: A Novel Anomaly Detection for Discrete Events Based On Autoencoder [5.781280693720236]
侵入検知の分野で最も難しい問題の1つは、離散イベントログの異常検出である。離散イベントログのDeep Autoencoderベースの異常検出手法であるDabLogを提案する。解析(符号化)と再構成(復号化)により、シーケンスが正常または異常かどうかを判定します。
論文参考訳（メタデータ） (2020-12-27T16:31:05Z)

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。