Розробка системи виявлення аномалiй в багатовимiрних даних з використанням глибинного навчання

Вантажиться...
Ескіз

Дата

2023

Назва журналу

Номер ISSN

Назва тому

Видавець

КПІ ім. Ігоря Сікорського

Анотація

Квалiфiкацiйна робота мiстить: 57 стор., 24 рисунки, 4 таблиць, 16 джерел. Через значний рiст даних, якi отримуються з датчикiв як за обсягами (кiлькiсь записiв), так i за розмiрнiстю (кiлькiсть ознак) традицiйнi статистичнi методи аналiзу простору станiв або контрольованi iнструменти навчання вже не є ефективними. Тому постає проблема розробки нових методiв. Мета роботи полягає в розробцi системи виявлення аномалiй в багатовимiрних даних з використанням глибинного навчання. Ця система включає предобробку даних, побудову моделей, теоретична та практична оцiнка моделей, порiвняння моделей на рiзних датасетах. У ходi виконання роботи було проведенi експерименти над моделями, якi належать рiзним пiдходам вирiшення цiєї задачi. В цiй роботi розглядаються RNN LSTM медель на основi прогнозування часових рядiв та модель RANCoders на основi реконструкцiї, а також їхнi модифiкацiї SynLSTM, RANSynCoders (що використовують iнформацiю про те, що ряди є асинхронними). В цiй роботi було доведена ефективнiсть запропонованих моделей для застосування в серверних системах. Що може свiдчити про те, що моделi глибинного навчання є спроможними розв’язувати такi задачi на високому рiвнi.

Опис

Ключові слова

виявлення аномалiй, anomaly detection, багатовимiрнi дан, multidimensional data, синхронiзацiя часових рядiв, time series synchronization, RNN LSTM, AE, ransyncoders, навчання без учителя, unsupervised learning

Бібліографічний опис

Кириленко, П. О. Розробка системи виявлення аномалiй в багатовимiрних даних з використанням глибинного навчання : дипломна робота … бакалавра : 113 Прикладна математика / Кириленко Павло Олександрович. – Київ, 2023. – 57 с.

DOI