ニューラルネットワーク近傍法による異常検知の性能評価

DOI

書誌事項

タイトル別名
  • An Anomaly Detection Method with Neural Network Near Neighbor

説明

<p>異常検知技術は、実社会のさまざまな場面で使われている。異常は稀なため、正常データのみを用いる半教師あり学習の異常検知手法が精力的に開発されている。しばしば適応される手法としてk近傍法とAutoEncoder（AE）がある。k近傍法では、正常と異常データの距離が十分大きい必要がある。AEは、異常データが再現されないとは保証できない。そこで我々は、ニューラルネットワークとk近傍法を組み合わせたアルゴリズムを考案した。異常データへの再現力を抑えるため、出力を正常データの重ね合わせに制限し、異常の近傍点で再構成させないため、その重みはニューラルネットワークの訓練データの学習で決定する。その異常検知性能を、0-9までの手書き文字データMNISTで、k近傍法とAEと比較した。ある1つの数を異常とし、それを学習データから抜いて学習を行い、テストデータを予測させた。テストと予測データの差分絶対値を用いて異常検知させ、その性能をROC曲線下面積で評価した。本手法、k近傍法（k=6, 重み=距離）およびAEの0-9のその面積平均はそれぞれ0.850、0.822、0.623となり、本手法が高い性能を示した。</p>

収録刊行物

キーワード

詳細情報 詳細情報について

  • CRID
    1390848250119437312
  • NII論文ID
    130007856893
  • DOI
    10.11517/pjsai.jsai2020.0_2i4gs202
  • ISSN
    27587347
  • 本文言語コード
    ja
  • データソース種別
    • JaLC
    • CiNii Articles
  • 抄録ライセンスフラグ
    使用不可

問題の指摘

ページトップへ