概要

異常検知とは，故障検知や詐欺検知など，産業応用上大変重要な技術であり，その応用例の豊富さと各ドメインにおける固有の難しさから従来より盛んに研究されてきました．本セミナーでは，異常検知の典型的な問題設定と固有の難しさを理解するとともに，異常検知における重要な技術の一つである，密度比推定を用いた異常検知の数理的手法とメリットを紹介しています．

目的

  • 異常検知における「異常」とは何かを理解する．
  • 異常検知の「難しさ」とは何かを理解する．
  • 密度比推定を用いた異常検知の手法と嬉しさを理解する．

発表日時

場所:  オンライン (Zoom)
日時: 2020年6月21日 10時 - 12時

参考資料

[1] 井出 剛・杉山 将. 機械学習プロフェッショナルシリーズ 異常検知と変化検知. 講談社, 2015.
[2] V. Chandola et al. Anomaly detection: A survey. ACM Comput. Surv., 2009. DOI
[3] R. Chalapathy and S. Chawla. Deep learning for anomaly detection: A survey. 2019. [arXiv]
[4] S. Hido et al. Statistical outlier detection using direct density ratio estimation. KAIS, 2011. [pdf]
[5] T. Kanamori et al. Efficient direct density ratio estimation for non-stationarity adaptation and outlier detection. NeurIPS, 2009. [pdf]