| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2024-06-20 15:00 k近傍法による異常検知の信頼性定量化のための選択的推論 ○新堀瑞己（名大）・生田真也（名工大）・山田彬文・田地宏一・竹内一郎（名大）  NC2024-8 IBISML2024-8 |
|
| 抄録 | （和） | 現在，機械学習における異常検知の分野において，$k$近傍法というアルゴリズムが広く用いられている． この手法はデータの分布を仮定しないため，様々なデータに適用可能であるが，異常検知を行った結果の信頼性に対する定量的評価法は確立されていない． 一般的に，結果の信頼性の定量的評価法として，統計的仮設検定が知られているが，データ駆動型科学においては，仮説がデータに基づいて選択されるため， 古典的な統計的仮説検定では適切な信頼性評価を行うことができない． そこで本研究では，$k$近傍法による異常検知結果に対し，選択的推論(Selective Inference, hspace{1mm} SI)の枠組みを用いる． これにより偽陽性率（False Positive Rate, hspace{1mm} FPR）を制御できる適切な統計的仮説検定を提案する． また，通常のSIにおける弱点である，過剰な条件付け(Over-Conditioning)による検出力の低さを改善する手法として，Parametric SIを提案する． そして，人工データ，実データにおいて計算機実験を行い，提案手法の妥当性を示す． |
| （英） | Currently, the $k$-nearest neighbor method is widely used in the field of machine learning anomaly detection. This method is applicable to a variety of data because it does not assume a distribution of the data, but a quantitative evaluation method for the reliability of the results of anomaly detection has not been established. In general, statistical hypothesis testing is known as a quantitative evaluation method for the reliability of results. However, in data-driven science, classical statistical hypothesis testing is not adequate for reliability evaluation because hypotheses are selected based on data. In this study, we use the Selective Inference framework for anomaly detection results using the $k$-nearest neighbor method. |
|
| キーワード | （和） | $k$近傍法 / データ駆動型仮説 / 選択的推論 / Over-Conditioning / Parametric SI / / / |
| （英） | $k$-nearest neighbor / data-driven science / Selective Inference / Over-Conditioning / Parametric SI / / / | |
| 文献情報 | 信学技報, vol. 124, no. 86, IBISML2024-8, pp. 51-59, 2024年6月. | |
| 資料番号 | IBISML2024-8 | |
| 発行日 | 2024-06-13 (NC, IBISML) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2024-8 IBISML2024-8 |
|
| 研究会情報 | |
| 研究会 | IBISML NC IPSJ-BIO IPSJ-MPS |
| 開催期間 | 2024-06-20 - 2024-06-22 |
| 開催地（和） | 沖縄科学技術大学院大学 |
| 開催地（英） | OIST |
| テーマ（和） | 機械学習・一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2024-06-IBISML-NC-BIO-MPS |
| 本文の言語 | 日本語 |
| タイトル（和） | k近傍法による異常検知の信頼性定量化のための選択的推論 |
| サブタイトル（和） | |
| タイトル（英） | Selective Inference for Reliability Quantification of k-Nearest Neighbor Anomoaly Detection |
| サブタイトル（英） | |
| キーワード(1)（和/英） | $k$近傍法 / $k$-nearest neighbor |
| キーワード(2)（和/英） | データ駆動型仮説 / data-driven science |
| キーワード(3)（和/英） | 選択的推論 / Selective Inference |
| キーワード(4)（和/英） | Over-Conditioning / Over-Conditioning |
| キーワード(5)（和/英） | Parametric SI / Parametric SI |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 新堀 瑞己 / Mizuki Niihori / ニイホリ ミズキ |
| 第1著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 生田 真也 / Masaya Ikuta / イクタ マサヤ |
| 第2著者 所属（和/英） | 名古屋工業大学 (略称： 名工大) Nagoya Institute of Technology (略称： NITech) |
| 第3著者 氏名（和/英/ヨミ） | 山田 彬文 / Akihumi Yamada / ヤマダ アキフミ |
| 第3著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 田地 宏一 / Kouichi Taji / タジ コウイチ |
| 第4著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 竹内 一郎 / Ichiro Takeuchi / タケウチ イチロウ |
| 第5著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-06-20 15:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IBISML |
| 資料番号 | NC2024-8, IBISML2024-8 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.85(NC), no.86(IBISML) |
| ページ範囲 | pp.51-59 |
| ページ数 | 9 |
| 発行日 | 2024-06-13 (NC, IBISML) |
[研究会発表申込システムのトップページに戻る]