JP7331369B2 - 異常音追加学習方法、データ追加学習方法、異常度算出装置、指標値算出装置、およびプログラム - Google Patents
異常音追加学習方法、データ追加学習方法、異常度算出装置、指標値算出装置、およびプログラム Download PDFInfo
- Publication number
- JP7331369B2 JP7331369B2 JP2019014000A JP2019014000A JP7331369B2 JP 7331369 B2 JP7331369 B2 JP 7331369B2 JP 2019014000 A JP2019014000 A JP 2019014000A JP 2019014000 A JP2019014000 A JP 2019014000A JP 7331369 B2 JP7331369 B2 JP 7331369B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- abnormal
- cluster
- sound
- abnormal sound
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000002159 abnormal effect Effects 0.000 title claims description 171
- 230000005856 abnormality Effects 0.000 title claims description 43
- 238000000034 method Methods 0.000 title claims description 41
- 230000006870 function Effects 0.000 claims description 59
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 19
- 230000002547 anomalous effect Effects 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 description 66
- 238000012545 processing Methods 0.000 description 28
- 238000003860 storage Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/78—Detection of presence or absence of voice signals
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
- G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
異常音検知とは、入力xを発した監視対象の状況が正常か異常かを判定するタスクである。ここで、xには、例えば式(1)のように、観測信号の対数振幅スペクトルln|Xt,f|を並べたものを用いることができる。
実環境で教師なし異常音検知システムを運用していると、異常データを収集できるときがある。例えば、教師なし異常音検知システムが異常状態を検知すれば、自動的に異常データを得ることができる。また、教師なし異常音検知システムが異常状態を見逃したとしても、その後の人手の検査などで異常状態が発覚すれば、それまでの観測データを異常データとして用いることができる。特に後者のようなケースでは、異常状態の見逃しを続けると重大な事故に繋がるため、観測できた異常データを用いてシステムをアップデートすべきである。本発明は、上記のように運用中に得られた異常データを用いて異常度スコアのパラメータを学習することで、異常音検知の精度を向上させる技術である。
k番目の登録音mk∈RQと観測データx∈RQの類似度スコアを表す類似度関数をS(x, mk, θS k)とする。ここでθS kは類似度関数のパラメータである。正常データだけから学習した正常分布の負の対数尤度を-lnp(x|z=0, θA)とし、K-1個の異常音{mk}k=1 K-1が登録されているとすれば、異常度スコアB(x, θK-1)は式(6)として計算できる。
本発明の異常度である式(6)において、求めるべきパラメータはθS kである。学習データを用いてパラメータを求めるためには、「どのようなパラメータがシステムにとって良いパラメータなのか」を数学的に記述した「目的関数」を適切に設計しなくてはならない。異常音検知の目的関数では、横軸を正常な観測信号を誤って異常と誤判定する確率である偽陽性率(FPR: False Positive Rate)とし、縦軸を異常な観測信号を正しく異常と判定できる確率である真陽性率(TPR: True Positive Rate)としたときの、曲線の下部面積であるAUC(Area Under the Receiver Operating Characteristic Curve)を利用して目的関数を設計することがある。なお、式(6)で異常度を定義するならば、真陽性率(TPR)と偽陽性率(FPR)は、式(8)(9)のように定義できる。
〔参考文献2〕Y. Koizumi, et al., "Optimizing Acoustic Feature Extractor for Anomalous Sound Detection Based on Neyman-Pearson Lemma," EUSIPCO, 2017.
目的関数を計算機上で実現するアルゴリズムを考える。式(11)における制約項は、適切な閾値を設定することで満たすことができる。ここでφρが
上述した本発明の異常音検知の原理を実装する例を説明する。本発明における類似度関数を式(18)(19)(20)のように定義する。
以下、本発明の実施の形態について詳細に説明する。なお、図面中において同じ機能を有する構成部には同じ番号を付し、重複説明を省略する。
実施形態の異常度スコア学習装置1は、図3に例示するように、入力部11、異常音生成部12、閾値決定部13、パラメータ更新部14、収束判定部15、および出力部16を備える。この異常度スコア学習装置1が、図4に例示する各ステップの処理を行うことにより実施形態の異常度スコア学習方法が実現される。
実施形態の異常音検知装置2は、図5に例示するように、パラメータ記憶部20、入力部21、異常度取得部22、状態判定部23、および出力部24を備える。この異常音検知装置2が、図6に例示する各ステップの処理を行うことにより実施形態の異常音検知方法が実現される。
上述の実施形態では、異常度スコア学習装置1が異常サンプルを疑似生成して異常度スコアのパラメータを学習する構成としたが、異常サンプルを疑似生成する機能のみを備えた異常音生成装置を構成することも可能である。この異常音生成装置は、実施形態の異常度スコア学習装置1が備える異常音生成部12を備える。この異常音生成装置は、例えば、少量の異常データを入力とし、異常音生成部12が、その異常データを用いて異常サンプルを疑似生成し、その異常サンプルを異常音生成装置の出力とする。
上記実施形態で説明した各装置における各種の処理機能をコンピュータによって実現する場合、各装置が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、上記各装置における各種の処理機能がコンピュータ上で実現される。
11 入力部
12 異常音生成部
13 閾値決定部
14 パラメータ更新部
15 収束判定部
16 出力部
2 異常音検知装置
20 パラメータ記憶部
21 入力部
22 異常度取得部
23 状態判定部
24 出力部
Claims (6)
- 正常音と異常音を学習して得たパラメータに基づき所定の機器の異常音を検知する装置のために、新たな異常音を追加学習する方法であって、
前記正常音を学習して得た関数と前記異常音を学習して前記異常音ごとに得た関数を含み、前記所定の機器の音の評価に用いる異常度関数に、前記新たな異常音に対応する関数であって学習すべきパラメータを含む関数を追加する手順と、
前記新たな異常音と、前記所定の機器を含む所望の機器群から得られた音が従う確率分布と、を関連付けることで疑似異常音を生成する手順と、
前記新たな異常音と前記疑似異常音を全て異常音と判定できる異常判定閾値の下で、正常音を異常と誤判定する確率を最小化するように、前記学習すべきパラメータを最適化する手順と
を含む、異常音追加学習方法。 - 請求項1に記載の異常音追加学習法であって、
前記疑似異常音を生成する手順は、前記所望の機器群から得られうるすべての音を生成可能に学習された変分オートエンコーダを用いて、前記新たな異常音から前記疑似異常音を生成するものである
異常音追加学習方法。 - 第一クラスタに属するデータ群と第二クラスタに属するデータ群を学習して得たパラメータに基づき、データ生成系が第二クラスタに属するデータを生成したことを検知する装置のために、新たな第二クラスタに属するデータを追加学習する方法であって、
前記第一クラスタに属するデータを学習して得た関数と前記第二クラスタに属するデータを学習して前記第二クラスタに属するデータごとに得た関数を含み、前記データ生成系が生成するデータの評価に用いる関数に、前記新たな第二クラスタに属するデータに対応する関数であって学習すべきパラメータを含む関数を追加する手順と、
前記新たな第二クラスタに属するデータと、前記データ生成系から得られたデータが従う確率分布と、を関連付けることで疑似第二クラスタデータを生成する手順と、
前記新たな第二クラスタデータと前記疑似第二クラスタデータを全て第二クラスタに属するデータと判定できる判定閾値の下で、第一クラスタに属するデータを第二クラスタに属すると誤判定する確率を最小化するように、前記学習すべきパラメータを最適化する手順と
を含む、データ追加学習方法。 - 正常音を用いて学習した正常モデルと、登録正常音と登録異常音を学習して前記登録異常音ごとに得た類似度関数に基づき、判定対象の音の異常度を算出する異常度算出装置であって、
前記正常モデルが算出した前記判定対象の音が正常である確からしさの値を、前記類似度関数が算出した、前記判定対象の音と前記登録異常音の類似度と、前記判定対象の音と前記登録正常音の非類似度との和で補正した値を異常度として算出する算出部とを有し、
前記算出部は、新たな異常音が得られたとき、新たな異常音に対応する追加類似度関数を学習し、前記正常モデルと前記類似度関数が算出した値に、前記追加類似度関数が算出した値を加算することで、前記異常度を算出するものである
ことを特徴とする異常度算出装置。 - 第一クラスタに属するデータを用いて学習した第一モデルと、登録第一クラスタデータと登録第二クラスタデータを学習して前記登録第二クラスタデータごとに得た類似度関数に基づき、判定対象データが第二クラスタに属する確からしさの指標値を算出する指標値算出装置であって、
前記第一モデルが算出した前記判定対象のデータが第一クラスタに属する確からしさの値を、前記類似度関数が算出した、前記判定対象のデータと前記登録第二クラスタデータの類似度と、前記判定対象のデータと前記登録第一クラスタデータの非類似度との和で補正した値を指標値として算出する算出部を有し、
前記算出部は、新たな第二クラスタデータが得られたとき、新たな第二クラスタデータに対応する追加類似度関数を学習し、前記第一モデルと前記類似度関数が算出した値に、前記追加類似度関数が算出した値を加算することで、前記指標値を算出するものである
ことを特徴とする指標値算出装置。 - 請求項4に記載の異常度算出装置、または請求項5に記載の指標値算出装置としてコンピュータを機能させるためのプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019014000A JP7331369B2 (ja) | 2019-01-30 | 2019-01-30 | 異常音追加学習方法、データ追加学習方法、異常度算出装置、指標値算出装置、およびプログラム |
US17/425,672 US11996120B2 (en) | 2019-01-30 | 2020-01-16 | Sound generation apparatus, data generation apparatus, anomaly score calculation apparatus, and program |
PCT/JP2020/001149 WO2020158398A1 (ja) | 2019-01-30 | 2020-01-16 | 音生成装置、データ生成装置、異常度算出装置、指標値算出装置、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019014000A JP7331369B2 (ja) | 2019-01-30 | 2019-01-30 | 異常音追加学習方法、データ追加学習方法、異常度算出装置、指標値算出装置、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020123094A JP2020123094A (ja) | 2020-08-13 |
JP7331369B2 true JP7331369B2 (ja) | 2023-08-23 |
Family
ID=71840419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019014000A Active JP7331369B2 (ja) | 2019-01-30 | 2019-01-30 | 異常音追加学習方法、データ追加学習方法、異常度算出装置、指標値算出装置、およびプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11996120B2 (ja) |
JP (1) | JP7331369B2 (ja) |
WO (1) | WO2020158398A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7331369B2 (ja) * | 2019-01-30 | 2023-08-23 | 日本電信電話株式会社 | 異常音追加学習方法、データ追加学習方法、異常度算出装置、指標値算出装置、およびプログラム |
CN112632469A (zh) * | 2020-12-22 | 2021-04-09 | 深圳壹账通智能科技有限公司 | 业务交易数据的异常检测方法、装置及计算机设备 |
CN112863524B (zh) * | 2021-01-21 | 2022-11-29 | 中国矿业大学(北京) | 基于分解特征值的矿井爆炸灾害声音识别方法 |
KR20230036384A (ko) * | 2021-09-07 | 2023-03-14 | 현대자동차주식회사 | 이상 탐지 시스템 및 그의 임계치 설정 방법 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010216943A (ja) | 2009-03-16 | 2010-09-30 | Japan Organo Co Ltd | 溶存窒素濃度の測定方法及び溶存窒素濃度の測定装置 |
JP2012181280A (ja) | 2011-02-28 | 2012-09-20 | Sogo Keibi Hosho Co Ltd | 音処理装置および音処理方法 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3635614B2 (ja) | 1999-01-26 | 2005-04-06 | 株式会社リコー | 機械音処理装置 |
US7565335B2 (en) * | 2006-03-15 | 2009-07-21 | Microsoft Corporation | Transform for outlier detection in extract, transfer, load environment |
US7792770B1 (en) * | 2007-08-24 | 2010-09-07 | Louisiana Tech Research Foundation; A Division Of Louisiana Tech University Foundation, Inc. | Method to indentify anomalous data using cascaded K-Means clustering and an ID3 decision tree |
JP5083162B2 (ja) * | 2008-10-06 | 2012-11-28 | 富士ゼロックス株式会社 | 画像データ判定装置、画像データ判定システム、及びプログラム |
JP5568183B2 (ja) * | 2011-07-25 | 2014-08-06 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 情報識別方法、プログラム及びシステム |
JP6340236B2 (ja) * | 2014-04-15 | 2018-06-06 | 三菱重工工作機械株式会社 | 工作機械の診断方法及びシステム |
JP6250198B2 (ja) * | 2015-02-03 | 2017-12-20 | 三菱電機株式会社 | 異常音診断装置、異常音診断システム、異常音診断方法および異常音診断プログラム |
US10147049B2 (en) * | 2015-08-31 | 2018-12-04 | International Business Machines Corporation | Automatic generation of training data for anomaly detection using other user's data samples |
CN107458383B (zh) * | 2016-06-03 | 2020-07-10 | 法拉第未来公司 | 使用音频信号的车辆故障自动检测 |
DE112017005413T5 (de) * | 2016-10-26 | 2019-07-18 | Robert Bosch Gmbh | System und verfahren zur mobilen und autonomen audioerfassung und -analyse |
US10594640B2 (en) * | 2016-12-01 | 2020-03-17 | Oath Inc. | Message classification |
US20190166024A1 (en) * | 2017-11-24 | 2019-05-30 | Institute For Information Industry | Network anomaly analysis apparatus, method, and non-transitory computer readable storage medium thereof |
US20190219994A1 (en) * | 2018-01-18 | 2019-07-18 | General Electric Company | Feature extractions to model large-scale complex control systems |
JP2019164107A (ja) * | 2018-03-20 | 2019-09-26 | 本田技研工業株式会社 | 異音判定装置および判定方法 |
NO20201338A1 (en) * | 2018-06-08 | 2020-12-07 | Schlumberger Technology Bv | Methods for characterizing and evaluating well integrity using unsupervised machine learning of acoustic data |
US11146580B2 (en) * | 2018-09-28 | 2021-10-12 | Adobe Inc. | Script and command line exploitation detection |
WO2020123999A1 (en) * | 2018-12-13 | 2020-06-18 | Diveplane Corporation | Synthetic data generation in computer-based reasoning systems |
US11410047B2 (en) * | 2018-12-31 | 2022-08-09 | Paypal, Inc. | Transaction anomaly detection using artificial intelligence techniques |
JP7331369B2 (ja) * | 2019-01-30 | 2023-08-23 | 日本電信電話株式会社 | 異常音追加学習方法、データ追加学習方法、異常度算出装置、指標値算出装置、およびプログラム |
JP7060535B2 (ja) * | 2019-02-27 | 2022-04-26 | ファナック株式会社 | 工作機械の加工不良発生予測システム |
US11374952B1 (en) * | 2019-09-27 | 2022-06-28 | Amazon Technologies, Inc. | Detecting anomalous events using autoencoders |
US11063965B1 (en) * | 2019-12-19 | 2021-07-13 | Nanotronics Imaging, Inc. | Dynamic monitoring and securing of factory processes, equipment and automated systems |
JP7409080B2 (ja) * | 2019-12-27 | 2024-01-09 | 富士通株式会社 | 学習データ生成方法、学習データ生成プログラムおよび情報処理装置 |
-
2019
- 2019-01-30 JP JP2019014000A patent/JP7331369B2/ja active Active
-
2020
- 2020-01-16 WO PCT/JP2020/001149 patent/WO2020158398A1/ja active Application Filing
- 2020-01-16 US US17/425,672 patent/US11996120B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010216943A (ja) | 2009-03-16 | 2010-09-30 | Japan Organo Co Ltd | 溶存窒素濃度の測定方法及び溶存窒素濃度の測定装置 |
JP2012181280A (ja) | 2011-02-28 | 2012-09-20 | Sogo Keibi Hosho Co Ltd | 音処理装置および音処理方法 |
Non-Patent Citations (1)
Title |
---|
小泉 悠馬,齊藤 翔一郎,植松 尚,深層学習を用いた機器動作音の異常音検知,日本音響学会 2017年 春季研究発表会講演論文集CD-ROM [CD-ROM],日本,日本音響学会,2017年03月,p473-p476 |
Also Published As
Publication number | Publication date |
---|---|
WO2020158398A1 (ja) | 2020-08-06 |
US11996120B2 (en) | 2024-05-28 |
JP2020123094A (ja) | 2020-08-13 |
US20220122629A1 (en) | 2022-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6947219B2 (ja) | 異常音検知装置、異常モデル学習装置、異常検知装置、異常音検知方法、異常音生成装置、異常データ生成装置、異常音生成方法、およびプログラム | |
JP7331369B2 (ja) | 異常音追加学習方法、データ追加学習方法、異常度算出装置、指標値算出装置、およびプログラム | |
JP7223839B2 (ja) | 異常検出および/または予知保全のためのコンピュータ実装方法、コンピュータプログラム製品およびシステム | |
CN111709028B (zh) | 一种网络安全状态评估和攻击预测方法 | |
CN111538311B (zh) | 一种基于数据挖掘的机械设备柔性多状态自适应预警方法及装置 | |
CN113255848A (zh) | 基于大数据学习的水轮机空化声信号辨识方法 | |
US20230085991A1 (en) | Anomaly detection and filtering of time-series data | |
CN111314329A (zh) | 流量入侵检测系统和方法 | |
JP7188598B2 (ja) | 異常度推定装置、異常度推定方法、およびプログラム | |
CN111431849B (zh) | 一种网络入侵检测方法及装置 | |
CN112202726B (zh) | 一种基于上下文感知的系统异常检测方法 | |
CN109656818B (zh) | 一种软件密集系统故障预测方法 | |
CN112714130A (zh) | 一种基于大数据自适应网络安全态势感知方法 | |
CN115277354A (zh) | 一种面向指挥控制网络管理系统的故障检测方法 | |
JP7207540B2 (ja) | 学習支援装置、学習支援方法、及びプログラム | |
JP6472417B2 (ja) | 特徴量抽出装置、特徴量抽出関数情報生成装置、これらの方法及びプログラム | |
Lee et al. | Early failure detection of paper manufacturing machinery using nearest neighbor‐based feature extraction | |
CN114169460A (zh) | 样本筛选方法、装置、计算机设备和存储介质 | |
CN115208651B (zh) | 基于逆习惯化机制的流聚类异常检测方法及系统 | |
CN115544886A (zh) | 高速电梯的失效时间节点预测方法、系统、设备和介质 | |
US11954685B2 (en) | Method, apparatus and computer program for selecting a subset of training transactions from a plurality of training transactions | |
JP7188597B2 (ja) | 特徴量抽出装置、異常度推定装置、それらの方法、およびプログラム | |
CN117741514B (zh) | 一种船用线缆的状态检测方法及系统 | |
Liu et al. | Self-Train: Self-Supervised On-Device Training for Post-Deployment Adaptation | |
Rahman et al. | Anomaly detection of river data for disaster prevention |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210412 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220614 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220805 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221025 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221202 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230307 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230601 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20230601 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230621 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230711 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230724 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7331369 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |