論文の概要: Back to Repair: A Minimal Denoising Network for Time Series Anomaly Detection

• arxiv url: http://arxiv.org/abs/2604.17388v2
• Date: Mon, 27 Apr 2026 05:40:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:06.876897
• Title: Back to Repair: A Minimal Denoising Network for Time Series Anomaly Detection
• Title（参考訳）: Back to repair: 時系列異常検出のための最小限のデノイングネットワーク
• Authors: Kadir-Kaan Özer, René Ebeling, Markus Enzweiler,
• Abstract要約: JuReは時系列異常検出のための最小限のデノイングネットワークである。 破損した時系列ウィンドウの修復を訓練し、固定されたパラメータフリーな構造的不一致関数によって推測された。
• 参考スコア（独自算出の注目度）: 1.7751300245073598
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce JuRe (Just Repair), a minimal denoising network for time series anomaly detection that exposes a central finding: architectural complexity is unnecessary when the training objective correctly implements the manifold-projection principle. JuRe consists of a single depthwise-separable convolutional residual block with hidden dimension 128, trained to repair corrupted time series windows and scored at inference by a fixed, parameter-free structural discrepancy function. Despite using no attention, no latent variable, and no adversarial component, JuRe ranks second on the TSB-AD multivariate benchmark (AUC-PR 0.404, 180 series, 17 datasets) and second on the UCR univariate archive by AUC-PR (0.198, 250 series), leading all neural baselines on AUC-PR and VUS-PR. Component ablation on TSB-AD identifies training-time corruption as the dominant factor ($Δ$AUC-PR $= 0.047$ on removal), confirming that the denoising objective, not network capacity, drives detection quality. Pairwise Wilcoxon signed-rank tests establish statistical significance against 21 of 25 baselines on TSB-AD. Code is available at the URL https://github.com/iis-esslingen/JuRe.
• Abstract（参考訳）: トレーニング対象が多様体射影原理を正しく実装した場合、アーキテクチャ上の複雑さは不要である。 Jureは1つの奥行き分離可能な畳み込み残差ブロックと128の隠れ次元で構成され、破損した時系列ウィンドウの修復を訓練し、固定されたパラメータフリーな構造的不整合関数によって推測された。 注意を払わず、潜伏変数も、敵成分もなかったが、JuReはTSB-ADマルチ変数ベンチマーク(AUC-PR 0.404, 180シリーズ、17データセット)で2位、UCRユニバリアイトアーカイブでAUC-PR(0.198, 250シリーズ)で2位にランクインし、AUC-PRとVUS-PRの全ての神経ベースラインを導いた。 TSB-AD上のコンポーネントアブレーションは、トレーニング時間の汚職を支配的な要因(Δ$AUC-PR $=0.047$除去)として認識し、ネットワーク容量ではなくデノベーション目的が検出品質を駆動することを確認した。 Pairwise Wilcoxon sign-rank test は、TSB-AD上の25基のうち21基に対して統計的に有意である。 コードは URL https://github.com/iis-esslingen/JuRe で公開されている。

関連論文リスト

• Do Compact SSL Backbones Matter for Audio Deepfake Detection? A Controlled Study with RAPTOR [30.327041194397022]
  自己教師付き学習(SSL)は、現代のオーディオディープフェイク検出の基盤となっているが、以前の作業の中心は単一の大きなwav2vec2-XLSRバックボーンである。 We present a controlled study of compact SSL backbones from the HuBERT and WavLM within an unified pairwise-gated fusion detector。 我々は,多言語HuBERT事前学習がドメイン間ロバスト性の主要な要因であり,1億モデルが大規模および商用システムと一致することを示す。
  論文  参考訳（メタデータ） (2026-03-06T11:16:55Z)
• Cross-Modal Alignment and Fusion for RGB-D Transmission-Line Defect Detection [11.637942429146172]
  本稿では,RGBの外観と深度幾何学を原理化されたヒューズ・パラダイムを通じて統合したクロスモーダルアライメント・アンド・フュージョン・ネットワークであるCMAFNetを提案する。 CMAFNetは、辞書ベースの特徴浄化を行うセマンティック再構成モジュールで構成されている。 軽量な派生型は228 FPSで24.8% mAP50に達し、わずか4.9Mのパラメータしか持たない。
  論文  参考訳（メタデータ） (2026-02-02T06:11:33Z)
• D3R-Net: Dual-Domain Denoising Reconstruction Network for Robust Industrial Anomaly Detection [0.0]
  非教師付き異常検出(UAD)は、現代の製造において、自動視覚検査の鍵となる要素である。 本稿では、D3R-Netについて紹介する。D3R-Netは、自己教師型「癒し」タスクと周波数認識正規化を結合したデュアルドメイン・デノベーション・コンストラクションフレームワークである。 空間平均二乗誤差に加えて、周波数領域の整合性を促進するFast Fourier Transform (FFT) 等級損失を用いる。
  論文  参考訳（メタデータ） (2026-01-27T23:21:59Z)
• Hierarchical Self-Supervised Representation Learning for Depression Detection from Speech [51.14752758616364]
  音声による抑うつ検出 (SDD) は、従来の臨床評価に代わる有望で非侵襲的な代替手段である。 HAREN-CTCは,マルチタスク学習フレームワーク内でのクロスアテンションを用いて,多層SSL機能を統合した新しいアーキテクチャである。 このモデルはDAIC-WOZで0.81、MODMAで0.82の最先端マクロF1スコアを達成し、両方の評価シナリオで先行手法より優れている。
  論文  参考訳（メタデータ） (2025-10-05T09:32:12Z)
• AHDMIL: Asymmetric Hierarchical Distillation Multi-Instance Learning for Fast and Accurate Whole-Slide Image Classification [51.525891360380285]
  AHDMILは非対称な階層的蒸留マルチインスタンス学習フレームワークである。 2段階のトレーニングプロセスを通じて、無関係なパッチを排除します。 分類性能と推論速度の両方において、従来の最先端手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2025-08-07T07:47:16Z)
• Renormalized Connection for Scale-preferred Object Detection in Satellite Imagery [51.83786195178233]
  我々は、効率的な特徴抽出の観点から再正規化群理論を実装するために、知識発見ネットワーク(KDN)を設計する。 KDN上の再正規化接続(RC)は、マルチスケール特徴の「相乗的焦点」を可能にする。 RCはFPNベースの検出器のマルチレベル特徴の分割・対数機構を幅広いスケールで予測されたタスクに拡張する。
  論文  参考訳（メタデータ） (2024-09-09T13:56:22Z)
• Global Context Aggregation Network for Lightweight Saliency Detection of Surface Defects [70.48554424894728]
  我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。 まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。 3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
  論文  参考訳（メタデータ） (2023-09-22T06:19:11Z)
• READ: Aggregating Reconstruction Error into Out-of-distribution Detection [5.069442437365223]
  ディープニューラルネットワークは異常なデータに対する過信であることが知られている。 本稿では,READ(Reconstruction Error Aggregated Detector)を提案する。 本手法は,従来のOOD検出アルゴリズムと比較して,FPR@95TPRの平均値を最大9.8%削減する。
  論文  参考訳（メタデータ） (2022-06-15T11:30:41Z)
• Exploiting Cross Domain Acoustic-to-articulatory Inverted Features For Disordered Speech Recognition [57.15942628305797]
  調音機能は音響信号歪みに不変であり、正常音声の自動音声認識システムにうまく組み込まれている。 本稿では,15時間 TORGO コーパスの並列音響・調音データをモデルトレーニングに用いるクロスドメイン音響・調音(A2A)インバージョン手法を提案する。 クロスドメインは102.7時間のUASpeechコーパスに適応し、調音的特徴を生産する。
  論文  参考訳（メタデータ） (2022-03-19T08:47:18Z)
• Capturing scattered discriminative information using a deep architecture in acoustic scene classification [49.86640645460706]
  本研究では,識別情報を捕捉し,同時に過度に適合する問題を緩和する様々な手法について検討する。 我々は、ディープニューラルネットワークにおける従来の非線形アクティベーションを置き換えるために、Max Feature Map法を採用する。 2つのデータ拡張方法と2つの深いアーキテクチャモジュールは、システムの過度な適合を減らし、差別的なパワーを維持するためにさらに検討されている。
  論文  参考訳（メタデータ） (2020-07-09T08:32:06Z)

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。