論文の概要: Integrated Novelty Detection Systems: From Sensor Networks to Multi-Novelty Computer Vision
- arxiv url: http://arxiv.org/abs/2610.19347v1
- Date: Wed, 14 Oct 2026 00:41:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 12:10:45.440012
- Title: Integrated Novelty Detection Systems: From Sensor Networks to Multi-Novelty Computer Vision
- Title（参考訳）: 統合ノベルティ検出システム:センサネットワークからマルチノベルティコンピュータビジョンへ
- Abstract要約: 気象センサネットワークでは、ブロックされた雨量計が検出され、データの信頼性、食料の安全性、災害管理に大きな影響を及ぼす可能性がある。
コンピュータビジョンでは、現在のシステムは単一のノベルティシナリオにフォーカスするため、複数の種類のノベルティを扱うことができないことが多い。
我々は,複数種類のノベルティを扱える統合システムの必要性を強調した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Novelty detection is crucial in various technological and scientific domains. Its importance spans from ensuring the reliability of sensor networks to enhancing the adaptability of computer vision systems. As AI systems become increasingly sophisticated and complex, effective anomaly detection is essential for maintaining reliability and accuracy. This work addresses novelty detection in weather sensor networks and computer vision. In weather sensor networks, particularly for monitoring rainfall, detecting blocked rain gauges can significantly impact data reliability, food security, and disaster management. This work evaluates four existing quality control methods for detecting blocked rain gauges and demonstrates their limitations, particularly in detecting clusters of faulty sensors. By comparing methods such as the Conditional Mixture Model (CMM), PSWQ (Fz-filter), Kernel Regression, and Gaussian Method, we identify their shortcomings and propose three novel quality control techniques that integrate probabilistic fault detection and consistency-based diagnosis framework to improve timely detection of blocked sensors, while reducing false alarms. In the realm of computer vision, current systems often fail to handle multiple types of novelty due to their focus on single-novelty scenarios. We highlight the need for integrated systems capable of handling multiple types of novelty. To support this, we introduce the Novel Snapshot Serengeti (NOVEL-SS) dataset, derived from the Snapshot Serengeti camera trap data, which includes various forms of novelty. We also present the DCA (Detect, Characterize, and Accommodate) baseline system, designed to handle multiple novelty by detecting, characterizing, and accommodating them. This work aims to advance the robustness and adaptability of novelty detection systems across both weather sensor networks and computer vision applications.
- Abstract（参考訳）: 新規性検出は、様々な技術および科学分野において重要である。
その重要性は、センサーネットワークの信頼性の確保から、コンピュータビジョンシステムの適応性の向上にまで及んでいる。
AIシステムがますます洗練され、複雑化するにつれて、信頼性と正確性を維持するために効果的な異常検出が不可欠である。
本研究は気象センサネットワークとコンピュータビジョンにおける新規性検出に対処する。
気象センサネットワーク、特に降雨監視において、遮断された雨量計を検出することは、データの信頼性、食料の安全性、災害管理に大きな影響を及ぼす可能性がある。
本研究は,ブロックされた雨量計を検出するための4つの既存の品質制御手法を評価し,その限界,特に異常センサ群を検出する際の限界を実証する。
条件混合モデル(CMM)、PSWQ(Fz-filter)、カーネル回帰(Kernel Regression)、ガウス法(Gaussian Method)などの手法を比較することにより、その欠点を特定し、確率的故障検出と一貫性に基づく診断フレームワークを統合した3つの新しい品質制御手法を提案する。
コンピュータビジョンの領域では、現在のシステムは単一のノベルティシナリオに重点を置いているため、複数の種類のノベルティを扱うことができないことが多い。
我々は,複数種類のノベルティを扱える統合システムの必要性を強調した。
これをサポートするために,Snapshot Serengetiカメラトラップデータから派生したNovel Snapshot Serengeti(NOVEL-SS)データセットを紹介した。
また, DCA (Detect, Characterize, and Accommodate) ベースラインシステムについて述べる。
本研究の目的は,気象センサネットワークとコンピュータビジョンアプリケーションにまたがる新規性検知システムの堅牢性と適応性を向上することである。
関連論文リスト
- An Efficient Anomaly Detection Framework for Wireless Sensor Networks Using Markov Process [2.5777932046298786]
1次マルコフ連鎖モデルに基づく軽量かつ解釈可能な異常検出フレームワークが提案されている。
提案したフレームワークは、Intel Berkeley Research Labデータセットを使用して検証された。
論文 参考訳（メタデータ） (2025-11-01T10:19:00Z) - Online Reliable Anomaly Detection via Neuromorphic Sensing and Communications [58.796149594878585]
本稿ではニューロモルフィック無線センサネットワークに基づく低消費電力オンライン異常検出フレームワークを提案する。
検討したシステムでは、中央受信ノードが各時間フレームでニューロモルフィックセンサノード(ニューロSN)のサブセットを積極的にクエリする。
ニューロモルフィックセンサーは事象駆動であり、モニターされたシステムの関連する変化に対応してスパイクを発生させる。
論文 参考訳（メタデータ） (2025-10-16T13:56:54Z) - One-Class Intrusion Detection with Dynamic Graphs [46.453758431767724]
機械学習に基づく侵入検知は、セキュリティを改善するための有望なアプローチである。
本稿では,最新の動的グラフモデリングと深部異常検出に基づく新しい侵入検出手法TGN-SVDDを提案する。
本稿では,現実的な侵入検出データに対して,いくつかのベースラインよりも優れていることを示すとともに,後者のより困難なバリエーションを提案する。
論文 参考訳（メタデータ） (2025-08-18T12:36:55Z) - Convolutional Neural Network Design and Evaluation for Real-Time Multivariate Time Series Fault Detection in Spacecraft Attitude Sensors [41.94295877935867]
本稿では,ドローンのような宇宙船の加速度計および慣性測定ユニット内のスタンプ値を検出するための新しい手法を提案する。
マルチチャネル畳み込みニューラルネットワーク(CNN)は、マルチターゲット分類を実行し、センサ内の障害を独立に検出するために使用される。
ネットワークの異常を効果的に検出し,システムレベルでの回復動作をトリガーする統合手法を提案する。
論文 参考訳（メタデータ） (2024-10-11T09:36:38Z) - One Masked Model is All You Need for Sensor Fault Detection, Isolation and Accommodation [1.0359008237358598]
マスク付きモデルと自己教師型学習を用いたセンサ故障検出のための新しいフレームワークを提案する。
提案手法を,オフショアGE風力タービンのパブリックデータセットと実世界のデータセットの両方で検証する。
提案手法は,センサ計測の精度と信頼性をリアルタイムに向上する可能性がある。
論文 参考訳（メタデータ） (2024-03-24T13:44:57Z) - A task of anomaly detection for a smart satellite Internet of things system [0.9427635404752934]
本稿では,教師なし深層学習異常検出システムを提案する。
生成する対向ネットワークと自己認識機構に基づいて,環境センサ変数間の複雑な線形および非線形の依存関係を自動的に学習する。
リアルタイム性能の高い実センサデータの異常点を監視でき、インテリジェント衛星インターネット・オブ・モノのシステム上で動作することができる。
論文 参考訳（メタデータ） (2024-03-21T14:26:29Z) - Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。
無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。
そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
論文 参考訳（メタデータ） (2023-12-08T13:50:30Z) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳（メタデータ） (2022-08-31T18:19:25Z) - An Online Ensemble Learning Model for Detecting Attacks in Wireless
Sensor Networks [0.0]
我々は、アンサンブル学習として知られる重要な機械学習の概念を適用して、インテリジェントで効率的で、かつ、高機能な侵入検知システムを開発する。
本稿では,感覚データ解析における同種・異種のオンラインアンサンブルの応用について検討する。
提案されたオンラインアンサンブルのうち、アダプティブ・ランダム・フォレスト(ARF)とHoeffding Adaptive Tree(HAT)アルゴリズムを組み合わせた異種アンサンブルと、10モデルからなる同種アンサンブルHATは、それぞれ96.84%と97.2%という高い検出率を達成した。
論文 参考訳（メタデータ） (2022-04-28T23:10:47Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳（メタデータ） (2021-07-22T07:25:35Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳（メタデータ） (2021-02-02T15:44:39Z)
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。