Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

STREAM-VAE: Dual-Path Routing for Slow and Fast Dynamics in Vehicle Telemetry Anomaly Detection

Created by
  • Haebom
Category
Empty

저자

Kadir-Kaan Ozer, Rene Ebeling, Markus Enzweiler

STREAM-VAE: Automotive Telemetry Anomaly Detection

개요

본 논문은 자동차 텔레메트리 데이터의 이상 감지를 위한 STREAM-VAE라는 변분 오토인코더를 제안합니다. 자동차 텔레메트리 데이터는 느린 드리프트와 빠른 스파이크를 동시에 포함하는 특성 때문에 기존의 단일 잠재 과정 기반 방법으로는 이상 감지가 어렵습니다. STREAM-VAE는 이 문제를 해결하기 위해 이중 경로 인코더를 사용하여 느린 드리프트와 빠른 스파이크 신호 역학을 분리하고, 디코더를 통해 정상 작동 패턴과 일시적인 편차를 별도로 표현합니다. STREAM-VAE는 차량 내 모니터링 및 백엔드 차량 관리 분석을 위해 설계되었으며, 다양한 작동 모드에서 안정적인 이상 점수를 생성합니다.

시사점, 한계점

시사점:
STREAM-VAE는 드리프트와 스파이크의 역학을 명시적으로 분리하여 기존의 강력한 기준선(forecasting, attention, graph, VAE)보다 견고한 성능을 보입니다.
차량 내 모니터링 및 백엔드 차량 관리 분석을 위해 안정적인 이상 점수를 제공하도록 설계되었습니다.
한계점:
논문에서 구체적인 한계점에 대한 언급은 없습니다.
👍