# Qinghua Liu ## 定義 Qinghua Liu は [[The Ohio State University]] に所属する研究者であり、[[John Paparrizos]] の研究室で時系列異常検知のベンチマーク整備・自動化を専門とする。TSB-ADベンチマーク("The Elephant in the Room", NeurIPS 2024)の共著者であり、HYDRA(SIGMOD 2026)の評価はこのTSB-ADベンチマークを主軸に行われている。([[@2026__SIGMOD__HYDRA - A Multi-Level Hierarchy-Driven Approach for Robust Anomaly Detection in Time Series]]) ## 役割・位置づけ - TSB-AutoAD(PVLDB 2025)でスコアアンサンブル手法(Outlier Ensemble)を提案しており、HYDRAのアブレーション(§5.5.2、HYDRA-OEとの比較)で自身が過去に提案したアンサンブル手法が新提案の階層的集約に上回られる形で客観的に比較対象となっている。 - EasyAD(PVLDB 2025)で時系列異常検知の自動化ソリューションのデモも手がけており、TSAD研究基盤(ベンチマーク・自動化・評価)の整備を継続的に担う。 ## 主要業績(本 ingest 論文の参考文献から) - TSB-AD("The Elephant in the Room", 2024, NeurIPS): 単変量870系列・多変量200系列からなる大規模時系列異常検知ベンチマーク - TSB-AutoAD(2025, PVLDB): 時系列異常検知の自動化ソリューション、Outlier Ensembleによるスコア集約 - EasyAD(2025, PVLDB): 時系列異常検知自動化のデモンストレーション ## 関連 - 組織: [[The Ohio State University]] - 概念: [[時系列異常検知ベンチマーク]] - ソース: [[@2026__SIGMOD__HYDRA - A Multi-Level Hierarchy-Driven Approach for Robust Anomaly Detection in Time Series]] - 共著者: [[John Paparrizos]] / [[Paul Boniol]] / [[Mingyi Huang]] ## 出典 - [[@2026__SIGMOD__HYDRA - A Multi-Level Hierarchy-Driven Approach for Robust Anomaly Detection in Time Series]]