論文の概要: Real-time and adaptive anomaly detection algorithm for cyclostationary models

• arxiv url: http://arxiv.org/abs/2609.09326v1
• Date: Tue, 08 Sep 2026 18:11:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.781255
• Title: Real-time and adaptive anomaly detection algorithm for cyclostationary models
• Title（参考訳）: サイクロ定常モデルに対する実時間および適応的異常検出アルゴリズム
• Abstract要約: 本稿では,サイクロ定常データストリームに有効なリアルタイム異常検出フレームワークである PeriodicCALM を紹介する。 周期依存性の変動を組み込んで、真の異常を正確に分離しながら、通常の周期的衝動を体系的に無視する。 圧縮機監視システムから収集した実世界の振動信号で検証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This article introduces PeriodicCALM, an effective real-time anomaly detection framework designed for cyclostationary data streams. While classical cyclostationary processes feature periodically time-varying statistical properties, real-world signals often contain recurring impulsive components that conceal abnormal behavior. Existing real-time methods for struggle with these dynamics, frequently misinterpreting phase-dependent variability as non-cyclic anomalies and causing excessive false alarms. To address this, PeriodicCALM incorporates cycle-dependent variability to systematically ignore regular cyclic impulses while accurately isolating genuine anomalies. Operating in real time with continuous retraining capabilities, the method adapts dynamically to evolving signal characteristics. Comparative evaluations against the baseline CALM framework using simulated data demonstrate significant improvements in detection accuracy and training efficiency, alongside a reduction in prediction latency. Furthermore, the practical utility of PeriodicCALM is validated on real-world vibration signals collected from a compressor monitoring system.
• Abstract（参考訳）: 本稿では、サイクロ定常データストリーム用に設計された効果的なリアルタイム異常検出フレームワークである PeriodicCALM を紹介する。 古典的なサイクロ定常過程は周期的な時間変化の統計的性質を特徴とするが、実世界の信号はしばしば異常な振る舞いを隠蔽する反復的な衝動成分を含む。 これらの力学と闘うための既存のリアルタイム手法は、しばしば位相依存性の変動を非周期的異常として解釈し、過度な誤報を引き起こす。 この問題に対処するために、周期依存性の変動を取り入れて、真の異常を正確に分離しながら、通常の周期的衝動を体系的に無視する。 連続的なリトレーニング機能でリアルタイムに動作し、進化する信号特性に動的に適応する。 シミュレーションデータを用いたベースラインCALMフレームワークとの比較評価では,予測遅延の低減とともに,検出精度とトレーニング効率が大幅に向上した。 さらに, 圧縮機監視システムから収集した実世界の振動信号に対して, 周期CALMの実用性を検証した。

関連論文リスト

• Robust Fault Detection in Mechanical Multimodal Time Series via Self-Supervised Cross-Modal Reconstruction [13.337672748422444]
  異種時系列センサデータの相互再構成に基づくマルチモーダル異常検出フレームワークを提案する。 それぞれのモダリティを個別にモデル化するのではなく、各モダリティを他のモダリティから再構築することでシステム力学を学ぶ。 これは、明示的な時間的アライメントや同一サンプリングレートを必要とせずに、センシングチャネル間で情報を統合する。
  論文  参考訳（メタデータ） (2026-09-14T20:24:53Z)
• Agentic Anomaly Detection with ORCA-Style Dynamic Inductive Bias Adaptation in Multimodal Wearable Time Series Data [0.0]
  エージェント制御型異常検出フレームワークORCAを提案する。 カスタムのWBANデータセット全体で、ORCAは最強の固定コンテキストベースラインに匹敵するパフォーマンスを達成する。 これらの結果は,資源制約,非定常的時系列における異常検出のための実用的かつ堅牢な設計原理として,適応的時間的帰納バイアス制御を強調した。
  論文  参考訳（メタデータ） (2026-08-09T18:49:13Z)
• Causal Discovery on Irregular Time Series [6.797750633873643]
  因果発見法は時間系において強い性能を示した。 多くの実世界のタスクは、不規則にサンプリングされたイベントストリームを扱う必要がある。 そこで本研究では,不規則な時系列を扱うためのPCMCI+の拡張を提案する。
  論文  参考訳（メタデータ） (2026-07-20T17:57:45Z)
• Sequential RC-TGAN: Generating Relational Time Series with Spectral Envelope Loss [2.6599014990168834]
  本稿では,RC-TGANフレームワークの時間拡張であるSequential RC-TGAN(Seq. RC-TGAN)について紹介する。 エンド・ツー・エンドのアプローチは、循環パターンの再現や長期的季節性において最先端のシステムよりも著しく優れています。
  論文  参考訳（メタデータ） (2026-06-30T16:09:10Z)
• Contextual and Seasonal LSTMs for Time Series Anomaly Detection [49.50689313712684]
  CS-LSTM (Contextual and Seasonal LSTMs) という新しい予測型フレームワークを提案する。 CS-LSTMはノイズ分解戦略に基づいて構築され、コンテキスト依存と季節パターンを併用する。 彼らは一貫して最先端の手法を上回り、堅牢な時系列異常検出における有効性と実用的価値を強調した。
  論文  参考訳（メタデータ） (2026-02-10T11:46:15Z)
• TSINR: Capturing Temporal Continuity via Implicit Neural Representations for Time Series Anomaly Detection [22.367552254229665]
  時系列異常検出は、データの異常なパターンや、システムの期待する振る舞いからの逸脱を特定することを目的としている。 このタスクでは、教師なし学習を通じてポイントワイド表現を学習するリコンストラクションベースの手法が主流である。 本稿では,暗黙的ニューラル表現(INR)再構成に基づく時系列異常検出手法TSINRを提案する。
  論文  参考訳（メタデータ） (2024-11-18T15:19:54Z)
• A Poisson-Gamma Dynamic Factor Model with Time-Varying Transition Dynamics [51.147876395589925]
  非定常PGDSは、基礎となる遷移行列が時間とともに進化できるように提案されている。 後続シミュレーションを行うために, 完全共役かつ効率的なギブスサンプリング装置を開発した。 実験により,提案した非定常PGDSは,関連するモデルと比較して予測性能が向上することを示した。
  論文  参考訳（メタデータ） (2024-02-26T04:39:01Z)
• 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)
• Continuous-Time Modeling of Counterfactual Outcomes Using Neural Controlled Differential Equations [84.42837346400151]
  反現実的な結果を予測することは、パーソナライズされたヘルスケアをアンロックする可能性がある。 既存の因果推論アプローチでは、観察と治療決定の間の通常の離散時間間隔が考慮されている。 そこで本研究では,腫瘍増殖モデルに基づく制御可能なシミュレーション環境を提案する。
  論文  参考訳（メタデータ） (2022-06-16T17:15:15Z)
• Consistency of mechanistic causal discovery in continuous-time using Neural ODEs [85.7910042199734]
  ダイナミカルシステムの研究において,連続時間における因果的発見を検討する。 本稿では,ニューラルネットワークを用いた因果探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-05-06T08:48:02Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)

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。