論文の概要: Federated Learning for Multivariate Time Series Anomaly Detection in Industrial Automation

• arxiv url: http://arxiv.org/abs/2605.27486v1
• Date: Tue, 26 May 2026 15:00:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.369719
• Title: Federated Learning for Multivariate Time Series Anomaly Detection in Industrial Automation
• Title（参考訳）: 産業自動化における多変量時系列異常検出のためのフェデレーション学習
• Authors: Khayyam Nosrati, Martin Uray, Saverio Messineo, Olaf Sassnick, Stefan Huber,
• Abstract要約: 本稿では,個別産業自動化プロセスの反復性から生じる循環力学を用いたデータセットを提案する。 提案したデータセットと公開ベンチマークデータセットの両方で、選択したTSADメソッドを評価する。
• 参考スコア（独自算出の注目度）: 0.9242985360636448
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Federated learning (FL) has broadened the horizon for multivariate time series anomaly detection (MTSAD). However, benchmarking such anomaly detection methods within FL paradigm poses data-centric challenges. The existing datasets do not counteract these challenges since they do not simultaneously provide sufficient scale, accurate labels, and freedom from common flaws. In addition, the role of cyclic process behavior, which is common in discrete industrial automation, remains underexplored for MTSAD for the current state of research. This paper aims to shed more light on the literature and address these gaps by introducing a dataset designed with cyclic dynamics arising from the repetitive nature of discrete automation processes and evaluates selected MTSAD methods on both the proposed dataset and a public benchmark dataset.
• Abstract（参考訳）: フェデレートラーニング(FL)は多変量時系列異常検出(MTSAD)の地平を広げた。 しかし、FLパラダイム内のそのような異常検出手法のベンチマークは、データ中心の課題を引き起こす。 既存のデータセットは、十分なスケール、正確なラベル、共通の欠陥からの解放を同時に提供しないため、これらの課題に対処しない。 さらに、個別の産業自動化において共通する循環プロセスの挙動の役割は、現在の研究状況において MTSAD にとって過小評価されている。 本論文は、離散自動化プロセスの反復的性質から生じる循環力学で設計されたデータセットを導入し、提案したデータセットと公開ベンチマークデータセットの両方において選択されたMSSAD手法を評価することにより、これらのギャップを解消し、文献にさらなる光を当てることを目的とする。

関連論文リスト

• LEFT: Learnable Fusion of Tri-view Tokens for Unsupervised Time Series Anomaly Detection [53.191369031661885]
  教師なし時系列異常検出は、アノテーションの可用性を前提とせず、異常なタイムスタンプを識別するモデルを構築することを目的としている。 本稿では,非教師付きTSADフレームワークであるLearnable Fusion of Tri-view Tokens(LEFT)について述べる。 実世界のベンチマーク実験では、LEFTはSOTAベースラインに対して最高の検出精度を示し、FLOPの5倍、トレーニングの8倍のスピードアップを実現している。
  論文  参考訳（メタデータ） (2026-02-09T13:33:49Z)
• DiffSDA: Unsupervised Diffusion Sequential Disentanglement Across Modalities [27.918193673708473]
  本稿では,Diffusion Sequential Disentanglement Autoencoder (DiffSDA)を紹介する。 実世界の多種多様なベンチマーク実験により、DiffSDAは最近の最先端の手法よりも逐次的非絡み合いの方が優れていることが示された。
  論文  参考訳（メタデータ） (2025-10-07T09:30:36Z)
• Time-RA: Towards Time Series Reasoning for Anomaly with LLM Feedback [55.284574165467525]
  Time-RA(Time-Series Reasoning for Anomaly)は、時系列異常検出を生成的、推論集約的なタスクに変換する。 また,実世界のマルチモーダルベンチマークデータセットであるRATs40Kを導入する。
  論文  参考訳（メタデータ） (2025-07-20T18:02:50Z)
• See it, Think it, Sorted: Large Multimodal Models are Few-shot Time Series Anomaly Analyzers [23.701716999879636]
  時系列データの急激な増加に伴い,時系列異常検出(TSAD)はますます重要になりつつある。 本稿では,TMA(Time Series Anomaly Multimodal Analyzer)と呼ばれる先駆的なフレームワークを導入し,異常の検出と解釈を両立させる。
  論文  参考訳（メタデータ） (2024-11-04T10:28:41Z)
• OML-AD: Online Machine Learning for Anomaly Detection in Time Series Data [0.0]
  オンライン機械学習(OML)に基づく新しい異常検出手法であるOML-ADを提案する。 OML-ADは精度と計算効率の点で最先端のベースライン法より優れていることを示す。
  論文  参考訳（メタデータ） (2024-09-15T14:19:19Z)
• HCL-MTSAD: Hierarchical Contrastive Consistency Learning for Accurate Detection of Industrial Multivariate Time Series Anomalies [4.806959791183183]
  本稿では,産業用MSSにおける異常検出のための自己教師付き階層的コントラスト整合学習手法を提案する。 HCL-MTSADはマルチレイヤのコントラスト損失を発生させることで、データの一貫性とタイムスタンプと時間的関連を広範囲にマイニングすることができる。 HCL-MTSADの異常検出能力は、F1スコアの平均1.8%で最先端のベンチマークモデルを上回っている。
  論文  参考訳（メタデータ） (2024-04-12T03:39:33Z)
• 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)
• Continual-MAE: Adaptive Distribution Masked Autoencoders for Continual Test-Time Adaptation [49.827306773992376]
  連続的テスト時間適応(CTTA)は、ソース事前学習モデルから目標分布の連続的な変化に移行するために提案される。 提案手法は,CTTAタスクの分類とセグメンテーションの両方において,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-12-19T15:34:52Z)
• 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。