論文の概要: Extended Hybrid Timed Petri Nets with Semi-Supervised Anomaly Detection for Switched Systems, Modelling and Fault Detection

• arxiv url: http://arxiv.org/abs/2604.04051v1
• Date: Sun, 05 Apr 2026 10:54:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.895266
• Title: Extended Hybrid Timed Petri Nets with Semi-Supervised Anomaly Detection for Switched Systems, Modelling and Fault Detection
• Title（参考訳）: 半教師付き異常検出付き拡張型ハイブリッド・タイムド・ペトリネットによる切替システムのモデル化と故障検出
• Abstract要約: 本稿では,ハイブリッド力学系のための統合障害検出フレームワークを提案する。 拡張時間連続ペトリネットモデルと半教師付き異常検出を統合している。 その結果,高い検出精度,高速収束,ロバスト性能が得られた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Hybrid physical systems combine continuous and discrete dynamics, which can be simultaneously affected by faults. Conventional fault detection methods often treat these dynamics separately, limiting their ability to capture interacting fault patterns. This paper proposes a unified fault detection framework for hybrid dynamical systems by integrating an Extended Timed Continuous Petri Net (ETCPN) model with semi-supervised anomaly detection. The proposed ETCPN extends existing Petri net formalisms by introducing marking-dependent flow functions, enabling intrinsic coupling between discrete and continuous dynamics. Based on this structure, a mode-dependent hybrid observer is designed, whose stability under arbitrary switching is ensured via Linear Matrix Inequalities (LMIs), solved offline to determine observer gains. The observer generates residuals that reflect discrepancies between the estimated and measured outputs. These residuals are processed using semi-supervised methods, including One-Class SVM (OC-SVM), Support Vector Data Description (SVDD), and Elliptic Envelope (EE), trained exclusively on normal data to avoid reliance on labeled faults. The framework is validated through simulations involving discrete faults, continuous faults, and hybrid faults. Results demonstrate high detection accuracy, fast convergence, and robust performance, with OC-SVM and SVDD providing the best trade-off between detection rate and false alarms. The framework is computationally efficient for real-time deployment, as the main complexity is confined to the offline LMI design phase.
• Abstract（参考訳）: ハイブリッド物理系は連続力学と離散力学を結合し、断層の影響を同時に受けられる。 従来の断層検出手法はしばしばこれらの力学を別々に扱い、相互作用する断層パターンを捉える能力を制限する。 本稿では,拡張時間連続ペトリネット(ETCPN)モデルと半教師付き異常検出を統合したハイブリッド力学系のための統合障害検出フレームワークを提案する。 ETCPNはマーキング依存フロー関数を導入して既存のペトリネット形式を拡張し、離散力学と連続力学の固有結合を可能にする。 この構造に基づいて、モード依存ハイブリッドオブザーバが設計され、任意のスイッチングの下での安定性は線形行列不等式(LMI)を介して保証され、オブザーバの利得を決定するためにオフラインで解決される。 観測者は、推定された出力と測定された出力の相違を反映する残差を生成する。 これらの残余は、One-Class SVM (OC-SVM)、Support Vector Data Description (SVDD)、Elliptic Envelope (EE)などの半教師付き手法で処理される。 このフレームワークは、離散断層、連続断層、ハイブリッド断層を含むシミュレーションを通じて検証される。 その結果、OC-SVMとSVDDは検出率と誤報の最良のトレードオフを提供するため、高い検出精度、高速収束、ロバストな性能を示した。 フレームワークはオフラインのLMI設計フェーズに限られているため、リアルタイムデプロイメントには計算効率がよい。

関連論文リスト

• Kalman Prototypical Networks for Few-shot Fault Detection in Combined Cycle Gas Turbines [7.586238488851779]
  複合サイクルガスタービン(CCGT)は現代の発電において重要な役割を担い、高効率と環境負荷の低減を図っている。 複雑な熱流体と機械的相互作用は、特にラベル付き断層データが不足している場合に、断層検出を複雑にする。 本稿では,CCGTの故障診断に特化して開発されたKalman Prototypeal Network(KPN)について紹介する。
  論文  参考訳（メタデータ） (2026-06-25T07:41:00Z)
• AnchorMoE: Interpretable Time Series Classification via Anchor-Routed MoE [51.994752158953084]
  AnchorMoEは、解釈可能な構成別分類フレームワークである。 ローカルパッチのマルチビュー表現をエンコードし、専門の専門家にルーティングする。 実世界のベンチマークと合成ベンチマークの実験は、AnchorMoEが非常に競争力のある分類性能を達成することを示した。
  論文  参考訳（メタデータ） (2026-06-02T13:30:54Z)
• FLUID: Continuous-Time Hyperconnected Sparse Transformer for Sink-Free Learning [2.312232949770907]
  連続時間(CT)変換器は、連続力学を用いた入力や出力埋め込みを利用して、CT-RNN上の不規則および長距離モデリングを改善する。 我々は、連続力学を直接注意計算に組み込むCT変換器FLUIDを提案し、それをLiquid Attention Network(LAN)に置き換える。 本研究では, (i) 不規則な時系列, (ii) 長距離モデリング, (iii) 自動運転車の車線維持制御, (iv) 不足データ体制下での物理力学の学習など,幅広い学習課題についてFLUIDを評価した。
  論文  参考訳（メタデータ） (2026-05-06T02:27:25Z)
• Causally-Constrained Probabilistic Forecasting for Time-Series Anomaly Detection [1.8995711908407733]
  本研究では,異常検出のための因果制約付き確率予測フレームワークを提案する。 ディープ・シークエンス・モデリングに先立って、明示的な時間付き因果グラフを統合する。 実験により,提案手法が最先端検出性能を実現することを示す。
  論文  参考訳（メタデータ） (2026-04-20T09:24:28Z)
• Systematic Integration of Digital Twins and Constrained LLMs for Interpretable Cyber-Physical Anomaly Detection [0.0]
  産業制御システム(ICS)を標的としたサイバー攻撃は、ますます洗練され、識別が困難になっている。 このような攻撃を検知するには、低レベルの振る舞いキューと高レベルのセマンティック解釈を統合する必要がある。 本稿では,Digital Twin(DT)によるハイブリッド検出手法を提案する。
  論文  参考訳（メタデータ） (2026-04-04T16:38:12Z)
• Learning to Separate RF Signals Under Uncertainty: Detect-Then-Separate vs. Unified Joint Models [53.79667447811139]
  受信した信号に直接適用した場合、単一のディープニューラルネットワークアーキテクチャが共同で検出および分離することを学習していることを示す。 これらの結果から,UJM は DTS に代わるスケーラブルで実用的な代替品であり,広範に推定された統合分離のための新たな方向を開拓した。
  論文  参考訳（メタデータ） (2026-02-04T15:25:02Z)
• VSCOUT: A Hybrid Variational Autoencoder Approach to Outlier Detection in High-Dimensional Retrospective Monitoring [0.0]
  VSCOUTは、高次元設定での振り返り(Phase I)監視のために設計された、配布不要のフレームワークである。 VSCOUTは、制御された偽アラームを維持しながら、特別な原因構造に対する優れた感度を実現する。 そのスケーラビリティ、分散柔軟性、レジリエンスは、AI対応環境でのリフレクションモデリングと異常検出の実用的で効果的な方法としてVSCOUTを位置づけている。
  論文  参考訳（メタデータ） (2026-01-28T18:30:48Z)
• SKANet: A Cognitive Dual-Stream Framework with Adaptive Modality Fusion for Robust Compound GNSS Interference Classification [47.20483076887704]
  グローバルナビゲーション衛星システム(GNSS)は、洗練された妨害による脅威の増大に直面している。 時間周波数画像(TFI)とパワースペクトル密度(PSD)を統合した2重ストリームアーキテクチャに基づく認知的ディープラーニングフレームワークを提案する。 SKANetは96.99%の精度を達成し、複合妨害分類において優れたロバスト性を示した。
  論文  参考訳（メタデータ） (2026-01-19T07:42:45Z)
• Verifying Closed-Loop Contractivity of Learning-Based Controllers via Partitioning [52.23804865017831]
  本稿では,ニューラルネットワークによるパラメータ化を行う非線形制御系における閉ループ収縮の検証問題に対処する。 我々は、対称メッツラー行列の優越的固有値が非正であることを確かめるために、閉ループの縮約性に対するトラクタブルでスケーラブルな十分条件を導出する。
  論文  参考訳（メタデータ） (2025-12-01T23:06:56Z)
• Parallel BiLSTM-Transformer networks for forecasting chaotic dynamics [24.960864709838436]
  本研究では,Transformer と Bidirectional Long Short-Term Memory Network を統合した並列予測フレームワークを提案する。 提案したハイブリッドモデルはデュアルブランチアーキテクチャを採用しており、Transformerブランチは主に長距離依存関係をキャプチャする。 結果は、提案されたハイブリッドフレームワークがタスク間でシングルブランチアーキテクチャの両方より優れていることを一貫して示している。
  論文  参考訳（メタデータ） (2025-10-27T16:17:10Z)
• Unsupervised Detection of Spatiotemporal Anomalies in PMU Data Using Transformer-Based BiGAN [0.0]
  T-BiGANは、双方向生成逆数ネットワーク(BiGAN)内でウィンドウアテンション変換を行うフレームワークである。 エンコーダデコーダはアーキテクチャをキャプチャし、識別器はサイクル整合性を適用して遅延空間を真のデータ分布と整合させる。 異常は、再構成誤差、潜時空間ドリフト、判別器の信頼性を組み合わせた適応スコアを用いてリアルタイムでフラグ付けされる。
  論文  参考訳（メタデータ） (2025-09-30T00:16:35Z)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• Learning Prompt-Enhanced Context Features for Weakly-Supervised Video Anomaly Detection [37.99031842449251]
  弱い監督下での映像異常検出は重大な課題を呈する。 本稿では,効率的なコンテキストモデリングとセマンティック識別性の向上に焦点をあてた,弱教師付き異常検出フレームワークを提案する。 提案手法は,特定の異常なサブクラスの検出精度を大幅に向上させ,その実用的価値と有効性を裏付けるものである。
  論文  参考訳（メタデータ） (2023-06-26T06:45:16Z)
• Formal Controller Synthesis for Markov Jump Linear Systems with Uncertain Dynamics [64.72260320446158]
  マルコフジャンプ線形系に対する制御器の合成法を提案する。 本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。 本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
  論文  参考訳（メタデータ） (2022-12-01T17:36:30Z)

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。