JPWO2018047804A1 - 異常検出装置、異常検出方法、及び記録媒体 - Google Patents
異常検出装置、異常検出方法、及び記録媒体 Download PDFInfo
- Publication number
- JPWO2018047804A1 JPWO2018047804A1 JP2018538414A JP2018538414A JPWO2018047804A1 JP WO2018047804 A1 JPWO2018047804 A1 JP WO2018047804A1 JP 2018538414 A JP2018538414 A JP 2018538414A JP 2018538414 A JP2018538414 A JP 2018538414A JP WO2018047804 A1 JPWO2018047804 A1 JP WO2018047804A1
- Authority
- JP
- Japan
- Prior art keywords
- probability distribution
- series
- series data
- feature quantity
- state feature
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/16—Classification; Matching by matching signal segments
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Complex Calculations (AREA)
Abstract
Description
本発明の第1の実施形態の異常検出装置100について、図面を参照して説明する。図1に示す異常検出装置100は、系列特徴量抽出部101と、系列確率分布算出部102と、基準確率分布格納部103と、状態特徴量算出部104と、異常検出部105とを備える。
次に、本発明の第2の実施形態の異常検出装置200について説明する。図3は、本実施形態の異常検出装置200の例を示す構成図である。図3に示す異常検出装置200は、系列データ分析部210と、異常検出部205とを備える。
次に、本発明の第3の実施形態の異常検出装置300について説明する。図6は、本実施形態の異常検出装置300の例を示す構成図である。図6に示す異常検出装置300は、系列データ分析部301と、通常モデル格納部302と、異常検出部303とを備える。
次に、本発明の第4の実施形態の異常検出装置400について説明する。図9は、本実施形態の異常検出装置400の例を示す構成図である。図9に示す異常検出装置400は、系列データ分析部401と、状態特徴量系列生成部402と、異常検出部403とを備える。
次に、本発明の第5の実施形態の異常検出装置500について説明する。図11は、本実施形態の異常検出装置500の例を示す構成図である。図11に示す異常検出装置500は、分散データ分析部510と、通常モデル格納部502と、異常検出部503とを備える。
次に、本発明の第6の実施形態の異常検出装置600について説明する。図14は、本実施形態の異常検出装置600の例を示す構成図である。図14に示す異常検出装置600は、分散データ分析部610と、状態特徴量系列生成部602と、異常検出部603とを備える。
以上の説明した異常検出装置100ないし600のハードウェア構成について、異常検出装置100を参照して説明する。
異常検出装置100は、次のように構成される。例えば、異常検出装置100の各構成部は、ハードウェア回路で構成されてもよい。また、異常検出装置100において、各構成部は、ネットワークを介して接続した複数の装置を用いて、構成されてもよい。また、異常検出装置100において、複数の構成部は、1つのハードウェアで構成されてもよい。また、異常検出装置100は、CPU(Central Processing Unit)と、ROM(Read Only Memory)と、RAM(Random Access Memory)とを含むコンピュータ装置として実現されてもよい。異常検出装置100は、上記構成に加え、さらに、入出力接続回路(IOC:Input / Output Circuit)と、ネットワークインターフェース回路(NIC:Network Interface Circuit)とを含むコンピュータ装置として実現されてもよい。
図16は、異常検出装置100のハードウェアの一例である情報処理装置700の構成の一例を示すブロック図である。
情報処理装置700は、CPU710と、ROM720と、RAM730と、内部記憶装置740と、IOC750と、NIC780とを含み、コンピュータ装置を構成している。
CPU710は、ROM720からプログラムを読み込む。そして、CPU710は、読み込んだプログラムに基づいて、RAM730と、内部記憶装置740と、IOC750と、NIC780とを制御する。そして、CPU710を含むコンピュータは、これらの構成を制御し、系列特徴量抽出部101、系列確率分布算出部102、状態特徴量算出部104、及び異常検出部105としての機能を実現する。
CPU710は、各機能を実現する際に、RAM730又は内部記憶装置740を、プログラムの一時記憶媒体として使用してもよい。
また、CPU710は、コンピュータで読み取り可能にプログラムを記憶した記録媒体790が含むプログラムを、図示しない記憶媒体読み取り装置を用いて読み込んでもよい。あるいは、CPU710は、NIC780を介して、図示しない外部の装置からプログラムを受け取り、RAM730に保存して、保存したプログラムを基に動作してもよい。
ROM720は、CPU710が実行するプログラム及び固定的なデータを記憶する。ROM720は、例えば、P−ROM(Programmable-ROM)又はフラッシュROMである。
RAM730は、CPU710が実行するプログラム及びデータを一時的に記憶する。RAM730は、例えば、D−RAM(Dynamic-RAM)である。
内部記憶装置740は、情報処理装置700が長期的に保存するデータ及びプログラムを記憶する。内部記憶装置740は、基準確率分布格納部103として動作する。また、内部記憶装置740は、CPU710の一時記憶装置として動作してもよい。内部記憶装置740は、例えば、ハードディスク装置、光磁気ディスク装置、SSD(Solid State Drive)又はディスクアレイ装置である。
ここで、ROM720と内部記憶装置740は、不揮発性(non-transitory)の記憶媒体である。一方、RAM730は、揮発性(transitory)の記憶媒体である。そして、CPU710は、ROM720、内部記憶装置740、又は、RAM730に記憶されているプログラムを基に動作可能である。つまり、CPU710は、不揮発性記憶媒体又は揮発性記憶媒体を用いて動作可能である。
IOC750は、CPU710と、入力機器760及び表示機器770とのデータを仲介する。IOC750は、例えば、IOインターフェースカード又はUSB(Universal Serial Bus)カードである。さらに、IOC750は、USBのような有線に限らず、無線を用いてもよい。
入力機器760は、情報処理装置700の操作者からの入力指示を受け取る機器である。入力機器760は、例えば、キーボード、マウス又はタッチパネルである。
表示機器770は、情報処理装置700の操作者に情報を表示する機器である。表示機器770は、例えば、液晶ディスプレイである。
NIC780は、ネットワークを介した図示しない外部の装置とのデータのやり取りを中継する。NIC780は、例えば、LAN(Local Area Network)カードである。さらに、NIC780は、有線に限らず、無線を用いてもよい。
このように構成された情報処理装置700は、異常検出装置100と同様の効果を得ることができる。
その理由は、情報処理装置700のCPU710が、プログラムに基づいて異常検出装置100と同様の機能を実現できるためである。
異常検出手段は、第1の系列データから算出される時間フレームごとの状態特徴量を時系列に並べたデータを第2の系列データとし、第2の系列データを統計処理して、異常を検出する
付記2に記載の異常検出装置。
第1の系列データにおける正常時の状態特徴量の確率分布であって、少なくとも特定の周期内の時間を指し示すモデルインデックスに基づいて特定される状態特徴量の確率分布である通常モデルを格納する通常モデル格納手段を備え、
異常検出手段は、算出された状態特徴量と、通常モデルとに基づいて、異常を検出する
付記1ないし3のいずれか1項に記載の異常検出装置。
異常検出手段は、算出された状態特徴量を得た時点に対応する通常モデルが示す状態特徴量が生じる確率を基に算出されるスコアを基に、異常を検出する
付記4に記載の異常検出装置。
所定の時間単位で定義される時間フレームごとの状態特徴量を所定の周期に応じて再編成して1つ以上の状態特徴量系列を生成する状態特徴量系列生成手段を備え、
異常検出手段は、状態特徴量系列の各々を第2の系列データとし、第2の系列データを統計処理して、異常を検出する
付記2に記載の異常検出装置。
対象環境内の異なる場所の状態を表す複数の第1の系列データが入力され、
系列特徴量抽出手段、系列確率分布算出手段、基準確率分布格納手段、及び、状態特徴量算出手段を、入力される第1の系列データの数分備え、
異常検出手段は、各々の第1の系列データに対して、該第1の系列データから算出される複数の状態特徴量を基に、異常を検出する
付記1ないし6のいずれか1項に記載の異常検出装置。
各基準確率分布格納手段は、所定の第1の系列データにおいて系列特徴量の基準とされる確率分布を格納する
付記7に記載の異常検出装置。
101、201、221、511 系列特徴量抽出部
102 系列確率分布算出部
202、512 確率分布算出部
222 基準確率分布算出部
103、203、513 基準確率分布格納部
104、204、514 状態特徴量算出部
105、205、303、403、503、603 異常検出部
210、301、311、401、501、601 系列データ分析部
302、502 通常モデル格納部
312 通常モデル算出部
402、602 状態特徴量系列生成部
510、610 分散データ分析部
700 情報処理装置
710 CPU
720 ROM
730 RAM
740 内部記憶装置
750 IOC
760 入力機器
770 表示機器
780 NIC
790 記録媒体
Claims (19)
- 第1の系列データが入力されると、前記第1の系列データに含まれる信号の特徴量である系列特徴量を抽出する系列特徴量抽出手段と、
前記系列特徴量が従う確率分布である系列確率分布を算出する系列確率分布算出手段と、
前記第1の系列データにおける前記系列特徴量の基準とされる確率分布である基準確率分布を格納する基準確率分布格納手段と、
前記基準確率分布に対する前記系列確率分布の変動具合を表す状態特徴量を算出する状態特徴量算出手段と、
前記第1の系列データから算出される複数の前記状態特徴量に基づいて、前記第1の系列データの異常を検出する異常検出手段とを備えた
ことを特徴とする異常検出装置。 - 前記系列特徴量抽出手段は、所定の時間単位で定義される各時間フレームの時点における信号の所定の特徴量を、前記系列特徴量として抽出し、
前記系列確率分布算出手段は、前記時間フレームごとの前記系列特徴量を確率変数とする確率分布を算出し、
前記状態特徴量算出手段は、前記時間フレームごとに、該時間フレームの時点における前記系列確率分布と、該時間フレームの時点に対応する前記基準確率分布との間の距離を所定の尺度で表した前記状態特徴量を算出し、
前記異常検出手段は、前記第1の系列データから算出される前記時間フレームごとの前記状態特徴量を基に、前記異常を検出する
請求項1に記載の異常検出装置。 - 前記異常検出手段は、前記第1の系列データから算出される前記時間フレームごとの前記状態特徴量を時系列に並べたデータを第2の系列データとし、前記第2の系列データを統計処理して、前記異常を検出する
請求項2に記載の異常検出装置。 - 前記第1の系列データにおける正常時の前記状態特徴量の確率分布であって、少なくとも特定の周期内の時間を指し示すモデルインデックスに基づいて特定される前記状態特徴量の確率分布である通常モデルを格納する通常モデル格納手段を備え、
前記異常検出手段は、算出された前記状態特徴量と、前記通常モデルとに基づいて、前記異常を検出する
請求項1ないし3のいずれか1項に記載の異常検出装置。 - 前記異常検出手段は、算出された前記状態特徴量を得た時点に対応する前記通常モデルが示す前記状態特徴量が生じる確率を基に算出されるスコアを基に、前記異常を検出する
請求項4に記載の異常検出装置。 - 所定の時間単位で定義される前記時間フレームごとの前記状態特徴量を所定の周期に応じて再編成して1つ以上の状態特徴量系列を生成する状態特徴量系列生成手段を備え、
前記異常検出手段は、前記状態特徴量系列の各々を第2の系列データとし、前記第2の系列データを統計処理して、前記異常を検出する
請求項2に記載の異常検出装置。 - 対象環境内の異なる場所の状態を表す複数の前記第1の系列データが入力され、
前記系列特徴量抽出手段、前記系列確率分布算出手段、前記基準確率分布格納手段、及び、前記状態特徴量算出手段を、入力される前記第1の系列データの数分備え、
前記異常検出手段は、各々の前記第1の系列データに対して、該第1の系列データから算出される複数の前記状態特徴量を基に、前記異常を検出する
請求項1ないし6のいずれか1項に記載の異常検出装置。 - 各前記基準確率分布格納手段は、所定の前記第1の系列データにおいて前記系列特徴量の基準とされる確率分布を格納する
請求項7に記載の異常検出装置。 - 対象環境内の異なる場所の状態を表す複数の前記第1の系列データが入力され、前記系列特徴量抽出手段、前記系列確率分布算出手段、前記基準確率分布格納手段、及び前記状態特徴量算出手段を、入力される前記第1の系列データの数分備え、
前記異常検出手段は、各々の前記第1の系列データに対して、該第1の系列データから算出される複数の前記状態特徴量を基に、前記異常を検出する
請求項1又は2に記載の異常検出装置。 - 各々の前記第1の系列データにおける正常時の前記状態特徴量の確率分布であって、少なくとも特定の周期内の時間を指し示すモデルインデックスに基づいて特定される前記状態特徴量の確率分布である通常モデルを格納する通常モデル格納手段を備え、
前記異常検出手段は、各々の前記第1の系列データに対して、該第1の系列データから算出された前記状態特徴量と、該第1の系列データに対応する前記通常モデルとに基づいて、前記異常を検出する
請求項9に記載の異常検出装置。 - 前記第1の系列データごとに、該第1の系列データから算出された前記状態特徴量を所定の周期に応じて再編成して1つ以上の前記状態特徴量の系列を生成する状態特徴量系列生成手段を備え、
前記異常検出手段は、
各々の前記第1の系列データに対して、該第1の系列データから算出される複数の前記状態特徴量から生成された前記状態特徴量の系列の各々を第2の系列データとし、前記第2の系列データを統計処理して、前記異常を検出する
請求項9に記載の異常検出装置。 - 正常時の前記第1の系列データを用いて、前記基準確率分布を生成する基準確率分布生成手段を備えた
請求項1、2、及び、9ないし11のいずれか1項に記載の異常検出装置。 - 正常時の前記第1の系列データから算出される複数の前記状態特徴量を用いて、通常モデルを生成する通常モデル生成手段を備えた
請求項1、2、及び、9ないし12のいずれか1項に記載の異常検出装置。 - 前記第1の系列データが、時系列音響信号である
請求項1、2、及び、9ないし13のいずれか1項に記載の異常検出装置。 - 前記系列特徴量が、時系列音響信号に含まれる音の周波数及び/又はパワーが表現される特徴量であり、
前記系列確率分布及び前記基準確率分布の表現形式が、混合ガウス分布であり、
前記状態特徴量が、KLダイバージェンス、KLダイバージェンスを所定個並べたベクトル、所定番目のガウス分布の平均ベクトルの二乗距離を所定個並べたベクトル、又はそれらベクトルのノルムのいずれかである
請求項1、2、及び、9ないし14のいずれか1項に記載の異常検出装置。 - 第1の系列データが入力されると、前記第1の系列データに含まれる信号の特徴量である系列特徴量を抽出し、
前記系列特徴量が従う確率分布である系列確率分布を算出し、
前記第1の系列データにおける前記系列特徴量の基準とされる確率分布である基準確率分布に対する前記系列確率分布の変動具合を表す状態特徴量を算出し、
前記第1の系列データから算出される複数の前記状態特徴量に基づいて、前記第1の系列データの異常を検出する
ことを特徴とする異常検出方法。 - 所定の時間単位で定義される各時間フレームの時点における信号の所定の特徴量を、前記系列特徴量として抽出し、
前記時間フレームごとの前記系列特徴量を確率変数とする確率分布を算出し、
前記時間フレームごとに、該時間フレームの時点における前記系列確率分布と、該時間フレームの時点に対応する基準確率分布との間の距離を所定の尺度で表した前記状態特徴量を算出し、
前記第1の系列データから算出される前記時間フレームごとの前記状態特徴量を基に、前記異常を検出する
請求項16に記載の異常検出方法。 - コンピュータに、
第1の系列データが入力されると、前記第1の系列データに含まれる信号の特徴量である系列特徴量を抽出する処理、
前記系列特徴量が従う確率分布である系列確率分布を算出する処理、
前記第1の系列データにおける前記系列特徴量の基準とされる確率分布である基準確率分布に対する前記系列確率分布の変動具合を表す状態特徴量を算出する処理、及び
前記第1の系列データから算出される複数の前記状態特徴量に基づいて、前記第1の系列データの異常を検出する処理
を実行させるための異常検出プログラムをコンピュータ読み取り可能の記録する記録媒体。 - コンピュータに、
前記系列特徴量を抽出する処理で、所定の時間単位で定義される各時間フレームの時点における信号の所定の特徴量を、前記系列特徴量として抽出させ、
前記系列確率分布を算出する処理で、前記時間フレームごとの前記系列特徴量を確率変数とする確率分布を算出させ、
前記状態特徴量を算出する処理で、前記時間フレームごとに、該時間フレームの時点における前記系列確率分布と、該時点に対応する前記基準確率分布との間の距離を所定の尺度で表した前記状態特徴量を算出させ、
前記異常を検出する処理で、前記第1の系列データから算出される前記時間フレームごとの前記状態特徴量を基に、前記異常を検出させる
異常検出プログラムを記録する請求項18に記載の記録媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016175402 | 2016-09-08 | ||
JP2016175402 | 2016-09-08 | ||
PCT/JP2017/031894 WO2018047804A1 (ja) | 2016-09-08 | 2017-09-05 | 異常検出装置、異常検出方法、及び記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2018047804A1 true JPWO2018047804A1 (ja) | 2019-06-24 |
JP7031594B2 JP7031594B2 (ja) | 2022-03-08 |
Family
ID=61562776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018538414A Active JP7031594B2 (ja) | 2016-09-08 | 2017-09-05 | 異常検出装置、異常検出方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11397792B2 (ja) |
JP (1) | JP7031594B2 (ja) |
WO (1) | WO2018047804A1 (ja) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11609115B2 (en) * | 2017-02-15 | 2023-03-21 | Nippon Telegraph And Telephone Corporation | Anomalous sound detection apparatus, degree-of-anomaly calculation apparatus, anomalous sound generation apparatus, anomalous sound detection training apparatus, anomalous signal detection apparatus, anomalous signal detection training apparatus, and methods and programs therefor |
CN110110160B (zh) * | 2017-12-29 | 2020-04-14 | 阿里巴巴集团控股有限公司 | 确定数据异常的方法及装置 |
JP7014295B2 (ja) * | 2018-05-18 | 2022-02-01 | 日本電気株式会社 | 異常検出装置、異常検出方法及びプログラム |
WO2019220620A1 (ja) * | 2018-05-18 | 2019-11-21 | 日本電気株式会社 | 異常検出装置、異常検出方法及びプログラム |
JP2020035372A (ja) * | 2018-08-31 | 2020-03-05 | オムロン株式会社 | 情報処理装置及び情報処理方法 |
JP2020038485A (ja) * | 2018-09-04 | 2020-03-12 | 富士通株式会社 | 学習装置、判定装置、学習方法、判定方法、学習プログラムおよび判定プログラム |
US11297096B2 (en) * | 2018-09-27 | 2022-04-05 | Avast Software, S.R.O. | Gaussian autoencoder detection of network flow anomalies |
JP7063229B2 (ja) | 2018-10-24 | 2022-05-09 | オムロン株式会社 | 制御装置および制御プログラム |
CN109871870B (zh) * | 2019-01-15 | 2021-05-25 | 中国科学院信息工程研究所 | 一种大数据流中的基于最近邻的时间敏感性异常检测方法 |
EP3690581B1 (en) * | 2019-01-30 | 2021-02-17 | Bühler AG | System and method for detecting and measuring anomalies in signaling originating from components used in industrial processes |
US11277425B2 (en) * | 2019-04-16 | 2022-03-15 | International Business Machines Corporation | Anomaly and mode inference from time series data |
US11271957B2 (en) | 2019-07-30 | 2022-03-08 | International Business Machines Corporation | Contextual anomaly detection across assets |
WO2021048989A1 (ja) * | 2019-09-12 | 2021-03-18 | 日本電信電話株式会社 | 異常検知システム、異常検知装置、異常検知方法及びプログラム |
CN112559292B (zh) * | 2020-12-18 | 2024-06-21 | 北京北方华创微电子装备有限公司 | 设备应用监控方法、半导体工艺设备 |
EP4264011A1 (en) * | 2020-12-18 | 2023-10-25 | Services Pétroliers Schlumberger | Identifying operation anomalies of subterranean drilling equipment |
CN113240211B (zh) * | 2021-07-09 | 2021-09-21 | 深圳市格云宏邦环保科技有限公司 | 废水排放预测方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0894497A (ja) * | 1994-07-25 | 1996-04-12 | Mitsubishi Electric Corp | 自動車用コンポーネントの診断装置 |
JPH1026648A (ja) * | 1996-07-10 | 1998-01-27 | Mitsubishi Electric Corp | 放射線検出装置の絶縁診断装置 |
JP2004054370A (ja) * | 2002-07-17 | 2004-02-19 | Nec Corp | 時系列データに対する自己回帰モデル学習装置並びにそれを用いた外れ値および変化点の検出装置 |
WO2008087968A1 (ja) * | 2007-01-17 | 2008-07-24 | Nec Corporation | 変化点検出方法および装置 |
CN102163427A (zh) * | 2010-12-20 | 2011-08-24 | 北京邮电大学 | 一种基于环境模型的音频异常事件检测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6892163B1 (en) * | 2002-03-08 | 2005-05-10 | Intellectual Assets Llc | Surveillance system and method having an adaptive sequential probability fault detection test |
JP4170315B2 (ja) | 2005-05-30 | 2008-10-22 | 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 | 異常判断装置、制御方法、自動車およびプログラム |
JP2013012872A (ja) | 2011-06-29 | 2013-01-17 | Mitsubishi Electric Corp | 行列データ作成装置および行列データ作成方法およびプログラム |
WO2013105164A1 (ja) | 2012-01-13 | 2013-07-18 | 日本電気株式会社 | 異常信号判定装置、異常信号判定方法、および異常信号判定プログラム |
JP6263455B2 (ja) | 2013-08-26 | 2018-01-17 | 能美防災株式会社 | 構造物劣化診断システム |
-
2017
- 2017-09-05 JP JP2018538414A patent/JP7031594B2/ja active Active
- 2017-09-05 US US16/329,794 patent/US11397792B2/en active Active
- 2017-09-05 WO PCT/JP2017/031894 patent/WO2018047804A1/ja active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0894497A (ja) * | 1994-07-25 | 1996-04-12 | Mitsubishi Electric Corp | 自動車用コンポーネントの診断装置 |
JPH1026648A (ja) * | 1996-07-10 | 1998-01-27 | Mitsubishi Electric Corp | 放射線検出装置の絶縁診断装置 |
JP2004054370A (ja) * | 2002-07-17 | 2004-02-19 | Nec Corp | 時系列データに対する自己回帰モデル学習装置並びにそれを用いた外れ値および変化点の検出装置 |
WO2008087968A1 (ja) * | 2007-01-17 | 2008-07-24 | Nec Corporation | 変化点検出方法および装置 |
CN102163427A (zh) * | 2010-12-20 | 2011-08-24 | 北京邮电大学 | 一种基于环境模型的音频异常事件检测方法 |
Non-Patent Citations (3)
Title |
---|
田中 伸一: "日常音逐次学習型異常検知システム", 日本音響学会 2011年 春季研究発表会講演論文集CD−ROM [CD−ROM], JPN6021040767, 11 March 2011 (2011-03-11), pages 833 - 834, ISSN: 0004617832 * |
相場 亮人: "GMMを用いた異常音検出におけるセグメント特徴量とSVMの検討", 日本音響学会 2009年 秋季研究発表会講演論文集CD−ROM [CD−ROM], JPN6021040769, 17 September 2009 (2009-09-17), pages 621 - 624, ISSN: 0004617831 * |
相場 亮人: "多段GMMを用いた異常音検出における閾値および混合数決定法の検討", 日本音響学会 2010年 春季研究発表会講演論文集CD−ROM [CD−ROM], JPN6021040771, 10 March 2010 (2010-03-10), pages 781 - 782, ISSN: 0004617830 * |
Also Published As
Publication number | Publication date |
---|---|
US11397792B2 (en) | 2022-07-26 |
US20190243872A1 (en) | 2019-08-08 |
WO2018047804A1 (ja) | 2018-03-15 |
JP7031594B2 (ja) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7031594B2 (ja) | 異常検出装置、異常検出方法、及びプログラム | |
JP6595686B2 (ja) | ハプティック効果の自動適合 | |
US10063965B2 (en) | Sound source estimation using neural networks | |
CN109074607B (zh) | 学得模型提供方法和学得模型提供装置 | |
WO2019114423A1 (zh) | 对模型预测值进行融合的方法、装置和设备 | |
US20060116920A1 (en) | Methods and systems for forecasting with model-based PDF estimates | |
RU2720359C1 (ru) | Способ и оборудование распознавания эмоций в речи | |
Sterling et al. | Automated cough assessment on a mobile platform | |
JPWO2015033603A1 (ja) | 情報処理システム、情報処理方法及びプログラム | |
US20170236069A1 (en) | Scalable supervised high-order parametric embedding for big data visualization | |
JPWO2019220620A1 (ja) | 異常検出装置、異常検出方法及びプログラム | |
JP7014295B2 (ja) | 異常検出装置、異常検出方法及びプログラム | |
CN111653274B (zh) | 唤醒词识别的方法、装置及存储介质 | |
JP6729515B2 (ja) | 楽曲解析方法、楽曲解析装置およびプログラム | |
JP5392833B2 (ja) | ストーリー生成システム、方法、およびプログラム | |
JP2019169011A (ja) | 予兆検知システムおよびプログラム | |
CN114259255B (zh) | 一种基于频域信号与时域信号的模态融合胎心率分类方法 | |
CN110178145B (zh) | 支持感测特征的信号段的组织 | |
Hou et al. | Joint prediction of audio event and annoyance rating in an urban soundscape by hierarchical graph representation learning | |
JP6545950B2 (ja) | 推定装置、推定方法、およびプログラム | |
JP7367383B2 (ja) | 画像認識アプリケーション構築支援システム及びプログラム | |
JP7294421B2 (ja) | 学習装置、予測装置、学習方法、予測方法、学習プログラム、及び予測プログラム | |
GB2553351A (en) | Salient object detection | |
Acharya | Coarse-graining autonomous ODE systems by inducing a separation of scales: practical strategies and mathematical questions | |
Yang et al. | Optimal sensors placement for structural health monitoring based on system identification and interpolation methods |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190221 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200817 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210727 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210908 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20211019 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20211022 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211203 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20211203 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20211214 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20211221 |
|
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: 20220125 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220207 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7031594 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |