研究展示

データと学習の科学

04

データに適した異常検知器を高速に生成します

未知データセットのための転移異常検知法

どんな研究

異常検知は正常なデータとは性質が異なるデータ(異常)を見つけ出すタスクです。高精度な異常検知器を作るためには正常/異常の両方のデータが必要です。本研究では、正常データしか得られない状況でも、関連するデータセットを用いることで適切な異常検知器を高速に生成する技術を作りました。

どこが凄い

正常データのみから高精度な異常検知器を作ることは一般に困難です。本技術では、関連データセットの情報を活用することで高精度な異常検知器を生成します。とくに、特殊なニューラルネットモデルを導入することで、計算コストの高い処理(再学習)なしに適切な異常検知器を生成できます。

めざす未来

IoTの発展により多種多様なデータが得られるようになってきています。これらのデータをAI(人工知能)に利活用することで、特別なドメイン知識がなくとも高精度な異常検知器を自動生成することが期待できます。今後は本技術を含むAI技術を発展させ、より安心・安全な社会の実現をめざします。

関連文献

  1. A. Kumagai, T. Iwata, Y. Fujiwara, “Transfer anomaly detection by inferring latent domain representations,” in Proc. 33rd Conference on Neural Information Processing Systems (NeurIPS), 2019.

ポスター

展示説明ムービー

連絡先

熊谷 充敏 (Atsutoshi Kumagai) ソフトウェアイノベーションセンタ
Email: