論文の概要: TimePred: efficient and interpretable offline change point detection for high volume data - with application to industrial process monitoring

• arxiv url: http://arxiv.org/abs/2512.01562v1
• Date: Mon, 01 Dec 2025 11:35:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.824418
• Title: TimePred: efficient and interpretable offline change point detection for high volume data - with application to industrial process monitoring
• Title（参考訳）: TimePred: 大容量データに対する効率的かつ解釈可能なオフライン切替点検出と産業プロセス監視への応用
• Authors: Simon Leszek,
• Abstract要約: 我々は,大規模時系列におけるCDDのための自己教師型フレームワークであるTimePredを紹介する。 TimePredは各サンプルの正規化された時間指数を予測し、平均シフト検出を予測する。 実験では、計算コストを最大2桁まで削減しながら、競争力のあるCPD性能を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Change-point detection (CPD) in high-dimensional, large-volume time series is challenging for statistical consistency, scalability, and interpretability. We introduce TimePred, a self-supervised framework that reduces multivariate CPD to univariate mean-shift detection by predicting each sample's normalized time index. This enables efficient offline CPD using existing algorithms and supports the integration of XAI attribution methods for feature-level explanations. Our experiments show competitive CPD performance while reducing computational cost by up to two orders of magnitude. In an industrial manufacturing case study, we demonstrate improved detection accuracy and illustrate the practical value of interpretable change-point insights.
• Abstract（参考訳）: 高次元大容量時系列における変化点検出(CPD)は、統計的一貫性、スケーラビリティ、解釈可能性において困難である。 我々は,各サンプルの正規化時間指数を予測することで,多変量CDDを一変量平均シフト検出に還元する自己教師型フレームワークであるTimePredを紹介する。 これにより、既存のアルゴリズムを使用して効率的なオフラインCDDを可能にし、機能レベルの説明のためのXAI属性メソッドの統合をサポートする。 本実験では,計算コストを最大2桁まで削減しつつ,競合的なCPD性能を示す。 工業用ケーススタディでは,検出精度が向上し,解釈可能な変化点洞察の実用的価値が示された。

関連論文リスト

• Real-Time Decorrelation-Based Anomaly Detection for Multivariate Time Series [1.4472678336151885]
  異常検出は、様々な現実世界の領域で重要な役割を果たす。 リアルタイムADの需要は、(産業用)モノのインターネット(Internet of Things)の台頭とともに急増している。 本稿では,新しいリアルタイムデコリレーションに基づく異常検出手法であるDADを提案する。
  論文  参考訳（メタデータ） (2025-07-10T08:56:40Z)
• Multiresolution Analysis and Statistical Thresholding on Dynamic Networks [49.09073800467438]
  ANIE(Adaptive Network Intensity Estimation)は、ネットワーク構造が進化する時間スケールを自動的に識別する多段階フレームワークである。 ANIEは適切な時間分解能に適応し、ノイズに頑健でありながら鋭い構造変化を捉えることができることを示す。
  論文  参考訳（メタデータ） (2025-06-01T22:55:55Z)
• 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)
• Greedy online change point detection [0.0]
  Greedy Online Change Point Detection (GOCPD) は、2つの独立したモデルの(時間的)連結から来るデータの確率を最大化することにより、変化点を求める計算上魅力的な方法である。 一つの変化点を持つ時系列の場合、この目的は不定意であり、対数複雑性を持つ3次探索によってCDDを高速化できることが示される。
  論文  参考訳（メタデータ） (2023-08-14T08:59:59Z)
• Memory-free Online Change-point Detection: A Novel Neural Network Approach [22.100758943583553]
  ALACPDはLSTMオートエンコーダベースのニューラルネットワークを利用して、教師なしオンラインCDDを実行する。 我々は,ALACPDが時系列セグメンテーションの品質の観点から,最先端のCPDアルゴリズムの中で第1位であることを示す。
  論文  参考訳（メタデータ） (2022-07-08T14:33:16Z)
• WATCH: Wasserstein Change Point Detection for High-Dimensional Time Series Data [4.228718402877829]
  変化点検出方法は、教師なしの方法で変化を検出する能力を持つ。 本稿では,ワッサーシュタイン距離に基づく変化点検出手法であるWATCHを提案する。 広範な評価により、WATCHは変化点を正確に識別し、最先端の手法より優れていることが示されている。
  論文  参考訳（メタデータ） (2022-01-18T16:55:29Z)
• DeepTimeAnomalyViz: A Tool for Visualizing and Post-processing Deep Learning Anomaly Detection Results for Industrial Time-Series [88.12892448747291]
  DeTAVIZ インタフェースは Web ブラウザをベースとした可視化ツールで,特定の問題における DL ベースの異常検出の実現可能性の迅速な探索と評価を行う。 DeTAVIZを使えば、ユーザーは複数のポスト処理オプションを簡単かつ迅速に繰り返し、異なるモデルを比較することができ、選択したメトリックに対して手動で最適化できる。
  論文  参考訳（メタデータ） (2021-09-21T10:38:26Z)
• Change Point Detection in Time Series Data using Autoencoders with a Time-Invariant Representation [69.34035527763916]
  変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。 近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。 我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
  論文  参考訳（メタデータ） (2020-08-21T15:03:21Z)
• A Framework for Sample Efficient Interval Estimation with Control Variates [94.32811054797148]
  確率変数の平均に対して信頼区間を推定する問題を考察する。 ある条件下では、既存の推定アルゴリズムと比較して効率が向上している。
  論文  参考訳（メタデータ） (2020-06-18T05:42:30Z)

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。