アダコテックでは、コア技術として HLAC （高次局所自己相関特徴） と多変量解析手法を組み合わせて異常検知技術をさまざまな分野へ応用しています。今回は音声信号向けにアレンジした特徴抽出法 FLAC (Fourier Local Auto-Correlation) について解説します。

HLICとは、Higher-order Local Inter-Correlation の略で、HLAC を多チャンネル時系列データ向けにアレンジした特徴抽出手法です。今回はHLICの解説と、HLICを用いた異常検知を心電図のデータを例にご紹介します。

アダコテックのHLACを用いた異常検知技術におけるもう一つのキーワードでもある「良品学習」について解説しようと思います。ちょっと機械学習ワカルという方には『教師なし学習による異常検知』がズバリのアルゴリズムです。難しそうに見えますがコンセプト…

アダコテックでは異常検知AIを開発提供しています。今回は動画の異常検知に用いるCHLAC技術について、やさしく解説します。CHLAC (Cubic Higher-order Local Auto Correlation; 立体高次局所自己相関)技術は前回解説したHLACを時間方向に拡張した3次元データ…

AdacotechではHLAC特徴量を画像から抽出し、その情報をもとに異常検知を行っています。HLACの訳は**高次局所自己相関**となり、画像の局所的な自己相関を多次元的に計算することで、ある画像に対する不変特徴量を計算する手法のことです。