| 講演名 | 2022-03-02 リザバーコンピューティングによる再構成処理を利用した時系列信号の異常検知の試み 加藤 准也(東大), 田中 剛平(東大), 中根 了昌(東大), 廣瀬 明(東大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本論文は、時系列信号を対象にした異常検知手法として、再構成リザバーコンピューティング（RRC）を提案する。RRCは、入力信号を入力と同じタイミングまたは遅れて再構成し、出力するものである。ただし再構成に成功するのは、正常な信号が入力された場合である。異常な信号が入力された場合は再構成されない。そのため再構成誤差が大きい時を異常と判定し、異常検知ができる。リザバーコンピューティング（RC）による再構成手法で、時系列データの異常検知が可能なことを、我々は初めて実験で確認した。また漏れ率というパラメータを小さくしたほうが、RRCによる異常検知で有利であることも確認した。RCで時系列信号の異常検知を行う従来手法の一つに、将来の信号を予測し、予測が外れたら異常と判定するものがある。すでに入力された信号を復元しようとする再構成は、まだ入力されていない信号を出力する予測手法とは本質的に異なる。そして提案する再構成手法のほうが、従来の予測手法と比べて、異常検知に有利であることを実験で確認した。RCの特性により、速い学習、そのため消費電力の削減が実現できる。リザバーコンピューティングは物理現象で実現可能である。物理リザバーを小型デバイス化したときは、異常検知は有望な応用先であり、そのための手法としてRRCを提案する。 |
| 抄録(英) | In this paper, we propose reconstructive reservoir computing (RRC), which can detect anomaly in time-series signals. In the RRC, an echo state network (ESN) learns to reconstruct normal input signals fed to its input terminals. Since it fails to reconstruct abnormal signals, RRC can detect anomaly based on its reconstruction error. Experiments demonstrate that the RRC works for anomaly detection effectively. Though forecasting errors are used in conventional methods for anomaly detection working for time-series signals, we find experimentally that the reconstruction method has an advantage in its larger margin between normal and abnormal errors. We also find that a smaller leaking rate enhances the ability of anomaly detection. In general, reservoir computing has merits of fast training and, consequently, less energy consumption. We can also make reservoir computing work with physical phenomena. Anomaly detection by RRC will be an important application of micro physical-reservoir devices in the near future. |
| キーワード(和) | 異常検知 / 再構成 / リザバーコンピューティング / エコーステートネットワーク |
| キーワード(英) | anomaly detection / reconstruction / reservoir computing / echo state network |
| 資料番号 | NC2021-47 |
| 発行日 | 2022-02-23 (NC) |
| 研究会情報 | |
| 研究会 | MBE / NC |
|---|---|
| 開催期間 | 2022/3/2(から3日開催) |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | NC, ME，一般 |
| テーマ（英） | |
| 委員長氏名（和） | 奥野 竜平(摂南大) / 大須 理英子(早大) |
| 委員長氏名（英） | Ryuhei Okuno(Setsunan Univ.) / Rieko Osu(Waseda Univ.) |
| 副委員長氏名（和） | 堀 潤一(新潟大) / 山川 宏(東大) |
| 副委員長氏名（英） | Junichi Hori(Niigata Univ.) / Hiroshi Yamakawa(Univ of Tokyo) |
| 幹事氏名（和） | 中村 英夫(大阪電気通信大) / 内部 英治(ATR) / 西田 知史(NICT) |
| 幹事氏名（英） | Hideo Nakamura(Osaka Electro-Communication Univ) / Eiji Uchibe(ATR) / Satoshi Nishida(NICT) |
| 幹事補佐氏名（和） | 赤澤 淳(明治国際医療大学) / 湯田 恵美(東北大) / 我妻 伸彦(東邦大) / 栗川 知己(関西医科大) |
| 幹事補佐氏名（英） | Jun Akazawa(Meiji Univ. of Integrative Medicine) / Emi Yuda(Tohoku Univ) / Nobuhiko Wagatsuma(Toho Univ.) / Tomoki Kurikawa(KMU) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on ME and Bio Cybernetics / Technical Committee on Neurocomputing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | リザバーコンピューティングによる再構成処理を利用した時系列信号の異常検知の試み |
| サブタイトル（和） | |
| タイトル（英） | Experiments of Reconstructive Reservoir Computing to Detect Anomaly in Time-series Signals |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 異常検知 / anomaly detection |
| キーワード(2)（和/英） | 再構成 / reconstruction |
| キーワード(3)（和/英） | リザバーコンピューティング / reservoir computing |
| キーワード(4)（和/英） | エコーステートネットワーク / echo state network |
| 第 1 著者 氏名（和/英） | 加藤 准也 / Junya Kato |
| 第 1 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：Univ. of Tokyo) |
| 第 2 著者 氏名（和/英） | 田中 剛平 / Gouhei Tanaka |
| 第 2 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：Univ. of Tokyo) |
| 第 3 著者 氏名（和/英） | 中根 了昌 / Ryosho Nakane |
| 第 3 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：Univ. of Tokyo) |
| 第 4 著者 氏名（和/英） | 廣瀬 明 / Akira Hirose |
| 第 4 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：Univ. of Tokyo) |
| 発表年月日 | 2022-03-02 |
| 資料番号 | NC2021-47 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | NC-390 |
| ページ範囲 | pp.5-10(NC), |
| ページ数 | 6 |
| 発行日 | 2022-02-23 (NC) |