Виявлення аномалій у MicroGrid методами машинного навчання

Скорочена інформація про документ
dc.contributor.advisorЯмненко, Юлія Сергіївна
dc.contributor.authorКомаревич, Олександр Миколайович
dc.date.accessioned2019-01-08T14:53:24Z
dc.date.available2019-01-08T14:53:24Z
dc.date.issued2018
dc.description.abstractenIn the master's thesis the problem of using Anomaly Detection as one of the means of Machine Learning for the determination of non-typical behavior patterns (abnormal behavior) in MicroGrid is considered. The scientific novelty of the results is further development of machine learning methods for the processing and analysis of Big Data in terms of identifying human behavior anormalies in MicroGrid. For the first time the solution of the problem of finding anomalies of different behavioral models based on the application of the method of support vector machine (SVM) is proposed. With the help of the software developed, the user can view the time intervals of the selected day and analyze the cases of fixing anomalies.uk
dc.description.abstractruВ магистерской диссертации рассматривается задача применения Anomaly Detection как одного из средств Machine Learning для определения нетипичных моделей поведения человека (аномального поведения) в MicroGrid. Научная новизна полученных результатов заключается в дальнейшем развитии теории применения методов машинного обучения для обработки и анализа больших данных (Big Data) в части выявления аномалий поведения человека в MicroGrid. Впервые предложено решение задачи поиска аномалий различных поведенческих моделей на базе применения метода опорных векторов (SVM). С помощью разработанного программного обеспечения пользователь может просматривать интервалы времени избранного дня и анализировать случаи фиксирования аномалий.uk
dc.description.abstractukВ магістерській дисертації розглядається задача застосування Anomaly Detection як один із засобів Machine Learning для визначення нетипових моделей поведінки людини (аномальної поведінки) у MicroGrid. Наукова новизна отриманих результатів полягає у отриманні подальшого розвитку теорії застосування методів машинного навчання для обробки та аналізу великих даних (Big Data) в частині виявлення аномалій поведінки людини у MicroGrid. Вперше запропоновано розв’язання задачі пошуку аномалій різних поведінкових моделей на базі застосування методу опорних векторів (SVM). За допомогою розробленого програмного забезпечення користувач може переглядати інтервали часу обраного дня та аналізувати випадки фіксування аномалій.uk
dc.format.page95 с.uk
dc.identifier.citationКомаревич, О. М. Виявлення аномалій у MicroGrid методами машинного навчання : магістерська дис. : 171 Електроніка / Комаревич Олександр Миколайович. – Київ, 2018. – 95 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/25607
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectMicroGriduk
dc.subjectвеликі даніuk
dc.subjectмашинне навчанняuk
dc.subjectвиявлення аномалійuk
dc.subjectBig Datauk
dc.subjectMachine Learninguk
dc.subjectAnomaly Detectionuk
dc.subject.udc004.942:519.876uk
dc.titleВиявлення аномалій у MicroGrid методами машинного навчанняuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Komarevych_magistr.pdf
Розмір:
6.04 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.74 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ПЕ)
Магістерські роботи