Fugu-MT 論文翻訳(概要): Short Ticketing Detection Framework Analysis Report

論文の概要: Short Ticketing Detection Framework Analysis Report

arxiv url: http://arxiv.org/abs/2510.23619v1
Date: Tue, 21 Oct 2025 20:50:48 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-29 15:35:36.287515
Title: Short Ticketing Detection Framework Analysis Report
Title（参考訳）: Short Ticketing Detection Framework Analysis Report
Authors: Yuyang Miao, Huijun Xing, Danilo P. Mandic, Tony G. Constantinides,
Abstract要約: 本研究では,A/B/C/D局分類システムを導入し,30の高リスク駅における不審なパターンの同定に成功した。このフレームワークには4つの補完的アルゴリズムが採用されている。分離森林、局所アウトリーチ係数、ワンクラスSVM、マハラノビス距離である。
参考スコア（独自算出の注目度）: 14.706894202504804
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This report presents a comprehensive analysis of an unsupervised multi-expert machine learning framework for detecting short ticketing fraud in railway systems. The study introduces an A/B/C/D station classification system that successfully identifies suspicious patterns across 30 high-risk stations. The framework employs four complementary algorithms: Isolation Forest, Local Outlier Factor, One-Class SVM, and Mahalanobis Distance. Key findings include the identification of five distinct short ticketing patterns and potential for short ticketing recovery in transportation systems.
Abstract（参考訳）: 本稿では,鉄道システムにおけるショートチケット不正検出のための,教師なしマルチエキスパート機械学習フレームワークを包括的に分析する。本研究では,A/B/C/D局分類システムを導入し,30の高リスク駅における不審なパターンの同定に成功した。このフレームワークには4つの補完アルゴリズムが採用されている。分離森林、局所流出係数、ワンクラスSVM、マハラノビス距離である。主な発見は、5つの異なるショートチケットパターンの識別と、交通システムにおけるショートチケットリカバリの可能性である。

関連論文リスト

Lane-Wise Highway Anomaly Detection [8.086502588472783]
本稿では,車線道路交通異常検出のためのスケーラブルかつ解釈可能なフレームワークを提案する。従来のセンサ依存の手法とは異なり、我々の手法はAIを利用した視覚モデルを用いて車線固有の特徴を抽出する。我々のフレームワークは、精度、リコール、F1スコアにおいて最先端の手法より優れています。
論文参考訳（メタデータ） (2025-05-05T12:32:23Z)
Lie Detector: Unified Backdoor Detection via Cross-Examination Framework [68.45399098884364]
半正直な設定で一貫したバックドア検出フレームワークを提案する。本手法は,SoTAベースラインよりも5.4%,1.6%,11.9%の精度で検出性能が向上する。特に、マルチモーダルな大規模言語モデルにおいて、バックドアを効果的に検出するのは、これが初めてである。
論文参考訳（メタデータ） (2025-03-21T06:12:06Z)
Forensics-Bench: A Comprehensive Forgery Detection Benchmark Suite for Large Vision Language Models [53.55128042938329]
Forensics-Benchは、新しい偽検出評価ベンチマークスイートである。 63,292件の厳密にキュレートされたマルチチョイスの視覚的質問からなり、112件の独特な偽造検出をカバーしている。 GPT-4o, Gemini 1.5 Pro, Claude 3.5 Sonnetの22のオープンソースLVLMと3つのプロプライエタリモデルについて徹底的な評価を行った。
論文参考訳（メタデータ） (2025-03-19T09:21:44Z)
Regularized Contrastive Partial Multi-view Outlier Detection [76.77036536484114]
RCPMOD(Regularized Contrastive partial Multi-view Outlier Detection)と呼ばれる新しい手法を提案する。このフレームワークでは、コントラスト学習を利用して、ビュー一貫性のある情報を学び、一貫性の度合いでアウトレイラを識別する。 4つのベンチマークデータセットによる実験結果から,提案手法が最先端の競合より優れていることが示された。
論文参考訳（メタデータ） (2024-08-02T14:34:27Z)
Probabilistic Risk Assessment of an Obstacle Detection System for GoA 4 Freight Trains [0.0]
本稿では,低速貨物列車の障害物検出機能設計のための定量的リスク評価手法について論じる。一定の不合理な仮定の下では、結果として生じるハザード率は特定のアプリケーション設定で許容される。畳み込みニューラルネットワークと従来の画像処理ソフトウェアにおける誤分類の残留リスクを評価する統計的アプローチは、安全クリティカルな障害物検出機能に高い信頼性を配置できることを示唆している。
論文参考訳（メタデータ） (2023-06-26T16:18:20Z)
Visual Fault Detection of Multi-scale Key Components in Freight Trains [9.447245934910063]
本稿では,列車故障検出のための軽量アンカーフリーフレームワークを提案する。軽量なバックボーンを導入し、ローカライゼーションと回帰のためにアンカーフリーな手法を採用する。我々のフレームワークは98.44%の精度で、モデルのサイズは22.5MBに過ぎず、最先端の検出器よりも優れている。
論文参考訳（メタデータ） (2022-11-26T09:20:49Z)
RCLane: Relay Chain Prediction for Lane Detection [76.62424079494285]
本稿では,リレーチェーン予測に基づく車線検出手法を提案する。当社の戦略では,TuSimple,CULane,CurveLanes,LLAMASの4つの主要なベンチマーク上で,最先端の新たなベンチマークを確立することが可能です。
論文参考訳（メタデータ） (2022-07-19T16:48:39Z)
Locally Interpretable One-Class Anomaly Detection for Credit Card Fraud Detection [4.507860128918788]
本稿では,クレジットカード不正検出のための新しい異常検出フレームワークを提案する。不正検出モデルは2つのディープニューラルネットワークで構成されており、教師なしかつ敵対的な方法で訓練されている。説明モジュールには、AutoEncoder、識別器、および検出モデル全体の解釈を担当する3つのホワイトボックス説明器がある。
論文参考訳（メタデータ） (2021-08-05T10:19:12Z)
Intelligent Railway Foreign Object Detection: A Semi-supervised Convolutional Autoencoder Based Method [7.557470133155959]
本研究では,鉄道軌道画像のみを必要とする半教師付き畳み込みオートエンコーダに基づくフレームワークを開発した。提案するフレームワークは,IoT(Internet-of-Things)システムのデータ分析に有用である。
論文参考訳（メタデータ） (2021-08-05T07:32:23Z)

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。