Засоби штучного інтелекту для виявлення та запобігання збоїв у телекомунікаційних мережах

Скорочена інформація про документ
dc.contributor.advisorНовогрудська Ріна Леонідівна
dc.contributor.authorДикий Микола Ігорович
dc.date.accessioned2026-01-06T10:44:43Z
dc.date.available2026-01-06T10:44:43Z
dc.date.issued2025
dc.description.abstractУ сучасних програмних системах обсяги даних зростають у геометричній прогресії, що робить ручний аналіз практично неможливим і підвищує ризики пропуску критичних збоїв. Значна частина таких даних є неструктурованою та не має попередньої розмітки, тому традиційні методи моніторингу та діагностики вже не забезпечують потрібного рівня ефективності. Це створює потребу у впровадженні автоматизованих підходів, здатних виявляти аномалії без участі експертів. Застосування машинного навчання, зокрема методу некерованих алгоритмів, створює можливість своєчасно знаходити нетипові події, підвищувати надійність системи та скорочувати час реагування на потенційні відмови. З огляду на зростання складності інфраструктур і вимоги до безперервної роботи сервісів, дослідження моделей для автоматичного виявлення аномалій у системних журналах є актуальним та важливим завданням. Мета роботи: Метою роботи є підвищення ефективності виявлення аномалій у сигналах багатовимірних часових рядів (RAN) радіомереж доступу за рахунок використання методів машинного навчання.
dc.description.abstractotherIn modern software systems, data volumes are growing exponentially, making manual analysis practically impossible and increasing the risk of missing critical failures. A significant portion of such data is unstructured and lacks prior labeling, which means that traditional monitoring and diagnostic methods no longer provide the required level of efficiency. This creates the need for automated approaches capable of detecting anomalies without expert involvement. The application of machine learning, particularly unsupervised algorithms, enables timely identification of atypical events, improves system reliability, and reduces response time to potential failures. Considering the increasing complexity of infrastructures and the demand for uninterrupted service operation, research into models for automatic anomaly detection in system logs is both relevant and essential. The goal of the work: The objective of this work is to improve the efficiency of anomaly detection in signals of multidimensional time series of radio access networks (RAN) through the use of machine learning methods.
dc.format.extent72 с.
dc.identifier.citationДикий, М. І. Засоби штучного інтелекту для виявлення та запобігання збоїв у телекомунікаційних мережах : магістерська дис. : 172 Електронні комунікації та радіотехніка / Дикий Микола Ігорович. – Київ, 2025. – 72 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/77870
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subject.udc004.942
dc.titleЗасоби штучного інтелекту для виявлення та запобігання збоїв у телекомунікаційних мережах
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Dykyi_magistr_2025.pdf
Розмір:
3.11 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ІТТ)