@techreport{oai:ipsj.ixsq.nii.ac.jp:00234894,
 author = {山田, 彬文 and 田地, 宏一 and 竹内, 一郎 and Akifumi, Yamada and Kouichi, Taji and Ichiro, Takeuchi},
 issue = {7},
 month = {Jun},
 note = {現在，機械装置から得られる時系列信号 (センサデータ) を対象とした，周波数領域における異常検知の分野において，AI を活用する研究が盛んに行われている．しかし，AI による異常の提示 (データ駆動の仮説生成) とその検証に同じデータを用いる場合，検証時の偽陽性率 (False Positive Rate, FPR) が高くなるという問題が生じる．そこで本研究では，周波数異常検知の結果を定量的に評価するために，選択的推論 (Selective Inference, SI) の枠組みを用いる．これにより，偽陽性率制御の観点から，異常検知結果に対する統計的信頼性を保証する．, There are many applications of artificial intelligence (AI) in the field of anomaly detection in the frequency domain for time series sensor data from machinery and equipment. However, False Positive Rate (FPR) cannot be controlled when the same data is used for both anomaly detection (data-driven hypothesis generation) and its testing. Therefore, we use Selective Inference (SI) framework to quantitatively evaluate the results of frequency anomaly detection and show that our proposed method guarantees the statistical reliability for the anomaly detection in terms of precisely controlling the False Positive Rate.},
 title = {時系列信号の周波数異常検知に対する統計的信頼性保証},
 year = {2024}
}