論文の概要: Multivariate Time series Anomaly Detection:A Framework of Hidden Markov Models

• arxiv url: http://arxiv.org/abs/2511.07995v1
• Date: Wed, 12 Nov 2025 01:33:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-12 20:17:03.587759
• Title: Multivariate Time series Anomaly Detection:A Framework of Hidden Markov Models
• Title（参考訳）: 多変量時系列異常検出:隠れマルコフモデルの枠組み
• Authors: Jinbo Li, Witold Pedrycz, Iqbal Jamal,
• Abstract要約: ファジィC-メアン(FCM)クラスタリングとファジィ積分について検討した。 続編では、多変量時系列における異常を検出するために、HMM(Hidden Markov Model)が関与している。
• 参考スコア（独自算出の注目度）: 47.05277984960841
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this study, we develop an approach to multivariate time series anomaly detection focused on the transformation of multivariate time series to univariate time series. Several transformation techniques involving Fuzzy C-Means (FCM) clustering and fuzzy integral are studied. In the sequel, a Hidden Markov Model (HMM), one of the commonly encountered statistical methods, is engaged here to detect anomalies in multivariate time series. We construct HMM-based anomaly detectors and in this context compare several transformation methods. A suite of experimental studies along with some comparative analysis is reported.
• Abstract（参考訳）: 本研究では,多変量時系列から一変量時系列への変換に着目した多変量時系列異常検出手法を開発する。 ファジィC平均(FCM)クラスタリングとファジィ積分を含むいくつかの変換技術について検討した。 続編では、多変量時系列における異常を検出するために、よく見られる統計手法の1つである隠れマルコフモデル(HMM)がここで行われている。 我々はHMMに基づく異常検出器を構築し、この文脈でいくつかの変換法を比較した。 いくつかの比較分析とともに、一連の実験研究が報告されている。

関連論文リスト

• Clustering-based Anomaly Detection in Multivariate Time Series Data [43.07173830864181]
  多変量時系列の振幅と形状に関する異常を検出するクラスタリングに基づく手法を提案する。 我々は、その系列で検出された異常レベルを定量化するために、信頼度指数を構築する。 提案フレームワークは, 医療, 気象データ分析, ファイナンス, 疾患発生検出など, 様々な応用領域における異常振幅および形状パターンの同定に適している。
  論文  参考訳（メタデータ） (2025-11-11T10:15:01Z)
• Anomaly detection by partitioning of multi-variate time series [0.2523415604068923]
  PARADISEと呼ばれる非教師あり分割型異常検出手法を提案する。 この手法は時系列の変数を分割し、変数間の関係が未接触のままであることを保証する。 異常検出性能が大幅に向上し,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2025-09-22T13:02:28Z)
• Benchmarking Unsupervised Strategies for Anomaly Detection in Multivariate Time Series [0.0]
  本稿では,最近提案されたiTransformerアーキテクチャに着目し,時系列異常検出のためのトランスフォーマベースアプローチについて検討する。 iTransformerの時系列異常検出への応用を探り、ウィンドウサイズ、ステップサイズ、モデル次元などの重要なパラメータがパフォーマンスに与える影響を分析し、(ii)多次元異常スコアから異常ラベルを抽出し、それらのラベルに対する適切な評価指標について議論する方法、(iii)トレーニング中に存在する異常データの影響を調査し、その影響を緩和する代替損失関数の有効性を評価し、(iv)包括的提示を行う。
  論文  参考訳（メタデータ） (2025-06-25T16:08:22Z)
• Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
  本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。 実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
  論文  参考訳（メタデータ） (2024-01-11T10:10:16Z)
• A Multi-Scale Decomposition MLP-Mixer for Time Series Analysis [14.40202378972828]
  そこで我々は,MSD-Mixerを提案する。MSD-Mixerは,各レイヤの入力時系列を明示的に分解し,表現することを学ぶマルチスケール分解ミクサーである。 我々は,MSD-Mixerが他の最先端のアルゴリズムよりも効率よく優れていることを示す。
  論文  参考訳（メタデータ） (2023-10-18T13:39:07Z)
• Compatible Transformer for Irregularly Sampled Multivariate Time Series [75.79309862085303]
  本研究では,各サンプルに対して総合的な時間的相互作用特徴学習を実現するためのトランスフォーマーベースのエンコーダを提案する。 実世界の3つのデータセットについて広範な実験を行い、提案したCoFormerが既存の手法を大幅に上回っていることを検証した。
  論文  参考訳（メタデータ） (2023-10-17T06:29:09Z)
• Robust Detection of Lead-Lag Relationships in Lagged Multi-Factor Models [61.10851158749843]
  データ固有のリード-ラグ関係を発見することで、重要な洞察を得ることができる。 階層化多要素モデルにおけるリードラグ関係のロバスト検出のためのクラスタリング駆動手法を開発した。
  論文  参考訳（メタデータ） (2023-05-11T10:30:35Z)
• Anomaly Attribution of Multivariate Time Series using Counterfactual Reasoning [7.616400192843963]
  我々は,反実的推論に基づく多変量時系列の新しい帰属スキームを開発した。 MDI(Maximally Divergent Interval)アルゴリズムを用いて異常区間を検出する。
  論文  参考訳（メタデータ） (2021-09-14T10:15:52Z)

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。