Система виявлення аномалій методами інтелектуального аналізу даних

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorХомич, Олександр Ростиславович
dc.date.accessioned2023-04-14T07:54:45Z
dc.date.available2023-04-14T07:54:45Z
dc.date.issued2022-12
dc.description.abstractМагістерська дисертація: 91 с., 24 табл., 18 рис., 24 джерел, 1 додаток. Об’єктом дослідження є задача виявлення аномалій на прикладі часових рядів. Предмет дослідження – нейронні мережі з комірками LSTM, графові нейроні мережі, нейронні мережі з кодувальником-декодувальником, ізоляційний ліс та гібридні підходи. Мета дослідження полягає у аналізі часового ряду, виборі моделей для виявлення аномалій, реалізації методів виявлення аномалій на основі обраних моделей штучного інтелекту та виборі найкращого з них. Як результат дослідження було запропоновано та розроблено метод виявлення аномалій, що використовує механізми штучного інтелекту, як нейронні мережі з комірками LSTM та ізоляційний ліс. Проведено порівняння побудованих моделей та вибрано найкращу за метриками оцінки якості. Результат даної роботи можна застосувати для вирішення подібних задач виявлення аномалій часових рядів.uk
dc.description.abstractotherMaster’s thesis: 91 p., 24 tab., 18 fig., 24 sources, 1 appendix. The object of the research is the task of detecting anomalies using the example of time series. The subject of research is neural networks with LSTM cells, graph neural networks, neural networks with encoder-decoder, isolation forest and hybrid approaches. The purpose of the study is to analyze the time series, select models for anomaly detection, implement anomaly detection methods based on selected artificial intelligence models, and select the best of them. As a result of the research, an anomaly detection method using artificial intelligence mechanisms such as neural networks with LSTM cells and isolation forest were proposed and developed. The built models were compared and the best one according to quality assessment metrics was selected. The result of this work can be applied to solve similar problems of detecting time series anomalies.uk
dc.format.extent91 с.uk
dc.identifier.citationХомич, О. Р. Система виявлення аномалій методами інтелектуального аналізу даних : магістерська дис. : 122 Комп'ютерні науки / Хомич Олександр Ростиславович. - Київ, 2022. - 91 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/54598
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectчасові рядиuk
dc.subjectвиявлення аномалійuk
dc.subjectanomaly detectionuk
dc.subjectLSTMuk
dc.subjectавтокодувальникиuk
dc.subjectізоляційний лісuk
dc.subjectіндекс сонячної активностіuk
dc.subject.udc004.852uk
dc.titleСистема виявлення аномалій методами інтелектуального аналізу данихuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (ШІ)
Магістерські роботи