|
|
|
|
| LEADER |
04807nab a2200373 c 4500 |
| 001 |
koha001002608 |
| 005 |
20240416132611.0 |
| 007 |
cr | |
| 008 |
230530|2022 ru s c rus d |
| 024 |
7 |
|
|a 10.35752/1991-2927-2022-2-68-80-89
|2 doi
|
| 035 |
|
|
|a koha001002608
|
| 040 |
|
|
|a RU-ToGU
|b rus
|c RU-ToGU
|
| 245 |
1 |
0 |
|a Подход к оценке качества обнаружения аномалий в технологических сигналах
|c С. В. Карев, А. А. Кошечкин, Д. А. Мурзагулов [и др.]
|
| 246 |
1 |
1 |
|a An approach to evaluate the quality of anomaly detection in technological signals
|
| 336 |
|
|
|a Текст
|
| 337 |
|
|
|a электронный
|
| 504 |
|
|
|a Библиогр.: 20 назв.
|
| 520 |
3 |
|
|a Технологический сигнал (ТС) - одномерный временной ряд, который представляет собой упорядоченные последовательности данных дискретного времени. В связи с наличием временно́й размерности методы обнаружения аномалий во временных рядах должны учитывать временные корреляции и другие связанные со временем особенности. Как правило, для оценки качества метода обнаружения аномалий используется матрица неточностей и производные от нее метрики, такие как точность, полнота, F-мера и др. Эти метрики, однако, не учитывают наличие временной размерности. Метрика, скомпонованная из F-меры и метрик, основанных на расстоянии, позволяет учесть момент начала аномалии, баланс между ошибками первого и второго рода, наличие аномального участка (АУ). В работе предлагается подход к построению метрики качества обнаружения аномалий в ТС, комплексно компонующий указанные характеристики. За счет такой компоновки метрика оценивает временную размерность данных, позволяет более адекватно оценить наличие точечных аномалий и возникновение АУ в ТС с учетом их особенностей, отделяя их от штатных (нормальных, типичных) сигналов. Интегральная оценка учитывает не только различные особенности данных, но и может быть настроена с учетом специфики конкретной задачи. В работе приведены результаты апробации предложенной метрики качества, показавшие эффективность предложенного подхода к оценке качества обнаружения аномалий в ТС. Превосходство предложенной метрики в рассмотренных ситуациях составило в среднем более 10%. При этом дополнительным ключевым преимуществом метрики перед аналогами является возможность её настройки с учетом специфики данных и используемых моделей обнаружения аномалий.
|
| 653 |
|
|
|a обнаружение аномалий
|
| 653 |
|
|
|a технологические сигналы
|
| 653 |
|
|
|a метрики оценки
|
| 653 |
|
|
|a временные ряды
|
| 653 |
|
|
|a классификация данных
|
| 655 |
|
4 |
|a статьи в журналах
|
| 700 |
1 |
|
|a Карев, Святослав Васильевич
|
| 700 |
1 |
|
|a Кошечкин, Александр Алексеевич
|
| 700 |
1 |
|
|a Мурзагулов, Дамир Альбертович
|
| 700 |
1 |
|
|a Андрющенко, Владимир Сергеевич
|
| 700 |
1 |
|
|a Замятин, Александр Владимирович
|
| 773 |
0 |
|
|t Автоматизация процессов управления
|d 2022
|g № 2. С. 80-89
|x 1991-2927
|
| 852 |
4 |
|
|a RU-ToGU
|
| 856 |
4 |
|
|u http://vital.lib.tsu.ru/vital/access/manager/Repository/koha:001002608
|
| 908 |
|
|
|a статья
|
| 999 |
|
|
|c 1002608
|d 1002608
|
