異常検知

メモ

高精度異常検知モデル「PaDiM」

metabaseでやおる

前処理が難しい

MVTeCっていうデータセット

セイレイのみから

物体の検出にはDETRが良さそう

FasterRCNNよりも良いらしい

「異常検知入門と手法まとめ」

Segment Any Anomaly without Training via Hybrid Prompt Regularization

異常検知

データマイニングによる異常検知の基礎と応用を修得する。

現実にデータがあふれ、ビッグデータの時代を迎えている。マーケティング、セキュリティ、インフラ系、生命科学、教育データ分析,  経済分析などの分野ではビッグデータから異常や変化を知ることにより、情報を活用することが重要になってきている。本稿では、そのような時代のニーズに沿った機械学習技術と、その基礎としての学習理論、また、これを応用する異常検知技術と実例について講義する。

１．異常検知の基礎的考え方

２．異常検知のための機械学習基礎

３．外れ値検知　（パターンに基づく方法）

距離に基づく方法

混合分布に基づく方法

主成分分析に基づく方法

外れ値の知識化

One class SVMに基づく方法

方向統計量に基づく方法

トラジェクトリー変化検知

応用（医療、ＳＮＳ，セキュリティ）

４．外れ値検知　（復元に基づく方法）

ＮＭＦに基づく方法

AutoEncoderに基づく方法

５．変化検知（突発的変化）

尤度比検定

二段階変化検知

ベイズに基づく方法

シミュレーションに基づく方法

ＭＤＬ変化統計量

ＭＤＬ変化統計量＋adaptive windowing

応用（システム障害検知、経済分析、教育分析）

６．変化予兆検知　（漸進的変化）

微分的ＭＤＬ変化統計量

応用（COVID-19感染拡大検知）

７．潜在構造変化/検知（突発的変化検知）

バースト変化検知

動的モデル選択

Switching 分布

Tracking the best expert

動的モデル選択

クラスタリング構造変化検知　　

ＭＤＬモデル変化統計量　

８．潜在構造変化予兆検知（漸進的変化検知）

構造的エントロピー

カーネルコンプレキシティ

応用（マーケティング、行動データ分析、Syslog解析）

８．ネットワーク異常検知

スペクトラムに基づく方法

ネットワーク中心性に基づく方法

グラフ分割構造変化検知

階層的変化検知

応用（システム障害検知、経済分析）

異常検知と変化検知

オライリー

【異常検知】最近の研究動向・2023年夏

FastFlow

Pythonによる異常検知

0章 機械学習と異常検知

1章 機械学習と統計解析の基本モデル

2章 非時系列データにおける異常検知

3章 時系列データにおける異常検知

4章 真相学習による異常検知

産業用異常検知におけるサーベイ論文

MANTA: A Large-Scale Multi-View and Visual-Text Anomaly Detection Dataset for Tiny Objects