Модифікований метод машинного навчання для обробки даних в мережі MicroGrid

Скорочена інформація про документ
dc.contributor.advisorСуліма, Світлана Валеріївна
dc.contributor.authorБлазнов, Володимир Миколайович
dc.date.accessioned2021-02-11T21:56:35Z
dc.date.available2021-02-11T21:56:35Z
dc.date.issued2020-12
dc.description.abstractenThe work contains 76 pages, 17 figures and 2 tables. 17 sources were used. Goal. The purpose of this work is to increase the efficiency of big data processing in MicroGrid due to the method of machine learning, which differs from the hybrid method of load prediction in the system. The master's dissertation considers the problem of using Anomaly Detection and Future Selection as a hybrid tool for Machine Learning to process large data and predict system load. The scientific novelty of the obtained results is to obtain further development of the theory of application of machine learning methods for processing and analysis of big data (Big Data) in terms of load prediction in MicroGrid systems [1]. The solution of the problem of load prediction using the methods of reference vectors (SVM) and Future Selection is proposed. The analysis and comparison with other methods are carried out and the advantages of this method are revealed.uk
dc.description.abstractukРобота містить 76 сторіноки, 19 рисунків та 2 таблиці. Було використано 17 джерел. Мета роботи. Метою даної роботи є підвищення ефективності обробки великих даних у MicroGrid за рахунок методу машинного навчання, що відрізняється гібридним методом прогнозування навантаження в системі. В магістерскій десиртації розглядається задача застосування Anomaly Detection та Future Selection як гібридний засіб Machine Learning для обробки великих даних та прогнозування навантаження системи. Наукова новизна отриманих результатів полягає у отриманні подальшого розвитку теорії застосування методів машинного навчання для обробки та аналізу великих даних (Big Data) в частині прогнозування навантеження в системах MicroGrid[1]. Запропоновано розв’язання задачі прогнозування навантаження застосування методів опорних векторів (SVM) та Future Selection. Проведено аналіз та порівняння з іншими методами та виявлено переваги даного методу.uk
dc.format.page80 с.uk
dc.identifier.citationБлазнов, В. М. Модифікований метод машинного навчання для обробки даних в мережі MicroGrid : магістерська дис. : 172 Телекомунікації та радіотехніка / Блазнов Володимир Миколайович. – Київ, 2020. – 80 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/39332
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectAnomaly Detectionuk
dc.subjectFeature Selectionuk
dc.subjectMicroGriduk
dc.subjectBig Datauk
dc.subjectMachine Learninguk
dc.subject.udc621.391uk
dc.titleМодифікований метод машинного навчання для обробки даних в мережі MicroGriduk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Blaznov_magistr.pdf
Розмір:
1.47 MB
Формат:
Adobe Portable Document Format
Опис:
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 (КІТМ)
Магістерські роботи