論文の概要: Matrix Profile for Time-Series Anomaly Detection: A Reproducible Open-Source Benchmark on TSB-AD

• arxiv url: http://arxiv.org/abs/2604.02445v1
• Date: Thu, 02 Apr 2026 18:16:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.1666
• Title: Matrix Profile for Time-Series Anomaly Detection: A Reproducible Open-Source Benchmark on TSB-AD
• Title（参考訳）: 時系列異常検出のための行列プロファイル:TSB-ADによる再現可能なオープンソースベンチマーク
• Authors: Chin-Chia Michael Yeh,
• Abstract要約: 本報告では,TSB-AD へのオープンソース Matrix Profile for Anomaly Detection (MMPAD) の提出について報告する。 提案システムは,事前分類した多次元アグリゲーション,繰り返し異常に対する効率的な排除ゾーン対応k-nearest-neighbor(kNN)検索,移動平均後処理を組み合わせた。
• 参考スコア（独自算出の注目度）: 6.718746847893855
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Matrix Profile (MP) methods are an interpretable and scalable family of distance-based methods for time-series anomaly detection, but strong benchmark performance still depends on design choices beyond a vanilla nearest-neighbor profile. This technical report documents an open-source Matrix Profile for Anomaly Detection (MMPAD) submission to TSB-AD, a benchmark that covers both univariate and multivariate time series. The submitted system combines pre-sorted multidimensional aggregation, efficient exclusion-zone-aware k-nearest-neighbor (kNN) retrieval for repeated anomalies, and moving-average post-processing. To serve as a reproducible reference for MP-based anomaly detection on TSB-AD, we detail the released implementation, the hyperparameter settings for the univariate and multivariate tracks, and the corresponding benchmark results. We further analyze how the system performs on the aggregate leaderboard and across specific dataset characteristics.The open-source implementation is available at https://github.com/mcyeh/mmpad_tsb.
• Abstract（参考訳）: マトリックスプロファイル (MP) は時系列異常検出のための解釈可能でスケーラブルな距離ベースの手法のファミリーであるが、ベンチマーク性能はバニラ近傍プロファイル以上の設計選択に依存している。 本技術報告では,一変量時系列と多変量時系列の両方をカバーするベンチマークであるTSB-ADへのオープンソース Matrix Profile for Anomaly Detection (MMPAD) の提出について報告する。 提案システムは,事前分類した多次元アグリゲーション,繰り返し異常に対する効率的な排除ゾーン対応k-nearest-neighbor(kNN)検索,移動平均後処理を組み合わせた。 TSB-ADにおけるMPベースの異常検出のための再現可能な参照として,リリースされた実装,単変量および多変量トラックのハイパーパラメータ設定,および対応するベンチマーク結果について詳述する。 さらに、アグリゲートボードと特定のデータセット特性に対してシステムがどのように機能するかを分析し、オープンソース実装はhttps://github.com/mcyeh/mmpad_tsb.comで利用可能である。

関連論文リスト

• Quantifying Memory Use in Reinforcement Learning with Temporal Range [51.98491034847041]
  時間的範囲(Temporal Range)は、時間的影響プロファイルとして、時間的ウィンドウから入力シーケンスへの複数のベクトル出力の1次感度を扱うモデルに依存しない計量である。 また、タスクレベルメモリのプロキシ読み出しとして、タスク上で訓練されたコンパクトなLong Expressive Memory(LEM)ポリシーについて、テンポラルレンジを報告する。
  論文  参考訳（メタデータ） (2025-12-05T22:58:09Z)
• Matrix Profile for Anomaly Detection on Multidimensional Time Series [34.46977784156833]
  マトリックスプロファイル(MP)は時系列異常検出(TSAD)に有効であることが示されている 本稿では,多次元時系列における異常検出の問題について述べる。 119個の多次元TSADデータセット上で,多次元MPを19個のベースライン法と比較した。
  論文  参考訳（メタデータ） (2024-09-14T04:22:45Z)
• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• DASA: Delay-Adaptive Multi-Agent Stochastic Approximation [64.32538247395627]
  我々は,N$エージェントが並列に動作し,中央サーバと通信することで,一般的な近似問題を高速化することを目的とした設定を考える。 遅延とストラグラーの効果を軽減するために,マルチエージェント近似のための遅延適応アルゴリズムである textttDASA を提案する。
  論文  参考訳（メタデータ） (2024-03-25T22:49:56Z)
• Detection of Anomalies in Multivariate Time Series Using Ensemble Techniques [3.2422067155309806]
  最終的な決定に向けて,複数の基本モデルを組み合わせたアンサンブル手法を提案する。 また,ロジスティック回帰器を用いて基本モデルの出力を結合する半教師付き手法を提案する。 異常検出精度の点での性能改善は、教師なしモデルでは2%、半教師なしモデルでは少なくとも10%に達する。
  論文  参考訳（メタデータ） (2023-08-06T17:51:22Z)
• Robust Projection based Anomaly Extraction (RPE) in Univariate Time-Series [8.121462458089141]
  提案手法は RPE と呼ばれ,ウィンドウベースの手法である。 RPEはウィンドウ内の異常の存在に対して堅牢であり、タイムスタンプレベルの異常を区別することができる。 広範な数値実験により、RPEは既存のアプローチよりも顕著なマージンで優れていることが示されている。
  論文  参考訳（メタデータ） (2022-05-31T05:41:58Z)
• Correlation Based Feature Subset Selection for Multivariate Time-Series Data [2.055949720959582]
  時系列データのストリームの相関は、与えられたデータマイニングタスクには、機能のごく一部しか必要としないことを意味する。 単一特徴分類器出力の相関パターンに基づいて特徴部分選択を行う手法を提案する。
  論文  参考訳（メタデータ） (2021-11-26T17:39:33Z)
• Supervised Feature Subset Selection and Feature Ranking for Multivariate Time Series without Feature Extraction [78.84356269545157]
  MTS分類のための教師付き特徴ランキングと特徴サブセット選択アルゴリズムを導入する。 MTSの既存の教師なし特徴選択アルゴリズムとは異なり、我々の手法は時系列から一次元特徴ベクトルを生成するために特徴抽出ステップを必要としない。
  論文  参考訳（メタデータ） (2020-05-01T07:46:29Z)

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。