Обнаружение аномалий технологических сигналов с использованием ансамбля классификаторов и вейвлет-преобразований

Обнаружение аномалий технологических сигналов с использованием ансамбля классификаторов и вейвлет-преобразований

Уровень развития современной ИТ-инфраструктуры промышленных предприятий позволяет осуществлять сбор и хранение технологической информации, тем самым открывая возможности применения интеллектуальных систем анализа данных. В работе рассматривается задача обнаружения аномалий в технологических сигн...

Полное описание

Библиографическая информация
Опубликовано в: :	Автоматизация процессов управления № 1. С. 20-26
Главный автор:	Мурзагулов, Дамир Альбертович
Другие авторы:	Замятин, Александр Владимирович
Формат:	Статья в журнале
Язык:	Russian
Предметы:	технологические сигналы машинное обучение вейвлет-преобразование обнаружение аномалий машинное обучение, ансамбли моделей статьи в журналах
Online-ссылка:	http://vital.lib.tsu.ru/vital/access/manager/Repository/koha:000846972 Перейти в каталог НБ ТГУ

Похожие документы

Обнаружение аномалий в составных объектах в формате JSON
по: Шляхтина, Елена Анатольевна

Физически информированное машинное обучение
по: Берцун, Артемий Николаевич

Алгоритм обнаружения аномалий в технологических сигналах на основе нейронной сети с архитектурой автоэнкодер диссертация на соискание ученой степени кандидата технических наук : 2.3.5
по: Мурзагулов, Дамир Альбертович
Публикация: (2024)

Основы машинного обучения для аналитического прогнозирования алгоритмы, рабочие примеры и тематические исследования : пер. с англ.
по: Келлехер, Джон Д
Публикация: (2019)

Разработка критерия качества классификаторов и методов статистической и динамической классификации: автореферат диссертации ... кандидата технических наук: 2.3.1/
по: Гурина, А. О. Анастасия Олеговна
Публикация: (2022)

Алгоритм обнаружения аномалий в технологических сигналах на основе нейронной сети с архитектурой автоэнкодер: автореферат диссертации ... кандидата технических наук: 2.3.5/
по: Мурзагулов, Д. А. Дамир Альбертович
Публикация: (2024)

Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных
по: Флах, Петер
Публикация: (2015)

Инженерия машинного обучения
по: Бурков, Андрей
Публикация: (2022)

Drone audio signature detection using machine learning
по: Solís Romeu, Edgar

Facial expression recognition using AI
по: Shan, Jie

Интерпретируемое машинное обучение на Python научитесь создавать интерпретируемые высокопроизводительные модели на практических примерах из реальной жизни : пер. с англ.
по: Масис, Серг
Публикация: (2023)

Создание приложений машинного обучения от идеи к продукту
по: Амейзен, Эммануэль
Публикация: (2023)

Методология интеллектуального анализа мнений при обработке текстовой информации на основе правдоподобного вывода: автореферат диссертации ... доктора технических наук: 05.13.17/
по: Котельников, Е. В. Евгений Вячеславович
Публикация: (2019)

Математика в машинном обучении докопайся до сути : [математические основы базовых концепций машинного обучения, позволяющие устранить пробел между университетским курсом математики и уровнем, необходимым для изучения МО]
по: Дайзенрот, Марк Питер
Публикация: (2024)

Detecting depression from text: A gender based comparative approach using machine learning and BERT embeddings
по: Firoz, N.

Машинное обучение с использованием Python сборник рецептов : [практические решения от предобработки до глубокого обучения] : пер. с англ.
по: Элбон, Крис
Публикация: (2022)

Введение в машинное обучение с помощью Python руководство для специалистов по работе с данными
по: Мюллер, Андреас
Публикация: (2019)

Метод и алгоритмы анализа данных электроэнцефалографии для верификации субъекта: автореферат ... кандидата технических наук: 2.3.8/
по: Светлаков, М. О. Михаил Олегович
Публикация: (2023)

Метод и алгоритмы анализа данных электроэнцефалографии для верификации субъекта: диссертация ... кандидата технических наук: 2.3.8/
по: Светлаков, М. О. Михаил Олегович
Публикация: (2023)

О методе машинного обучения для обнаружения аномалий в SQL-запросах
по: Мурзина, Александра Ивановна

Валидация моделей машинного обучения для автоматизированного определения тональности русскоязычных текстов
по: Басина, Полина Александровна

Разработка моделей, алгоритмов и программ диагностики функционирования технических объектов с использованием агрегированных классификаторов: автореферат диссертации ... кандидата технических наук: 05.13.18/
по: Жуков, Д. А. Дмитрий Анатольевич
Публикация: (2019)

Сетевые аномалии. Обнаружение, локализация, прогнозирование
по: Шелухин, Олег Иванович
Публикация: (2019)

Алгоритмы построения нечетких классификаторов несбалансированных данных на основе метаэвристик "гравитационный поиск" и "прыгающие лягушки": диссертация ... кандидата технических наук: 05.13.17/
по: Бардамова, М. Б. Марина Борисовна
Публикация: (2021)

Алгоритмы построения нечетких классификаторов несбалансированных данных на основе метаэвристик "гравитационный поиск" и "прыгающие лягушки": автореферат диссертации ... кандидата технических наук: 05.13.17/
по: Бардамова, М. Б. Марина Борисовна
Публикация: (2021)

Грокаем машинное обучение
по: Серрано, Луис
Публикация: (2024)

Рандомизированное машинное обучение при ограниченных объемах данных. От эмпирической вероятности к энтропийной рандомизации [монография]
по: Попков, Юрий Соломонович 1937-
Публикация: (2019)

Анализ данных в экономике: теория вероятностей, прикладная статистика, обработка и визуализация данных в Microsoft Excel [учебник для направления бакалавриата "Экономика и управление"]
по: Соловьев, Владимир Игоревич
Публикация: (2023)

Математические основы машинного обучения и прогнозирования
по: Вьюгин, Владимир Вячеславович
Публикация: (2018)

Вероятностное машинное обучение введение
по: Мэрфи, Кэвин Патрик
Публикация: (2023)

Проектирование систем машинного обучения пер. с англ.
по: Хьюен, Чип
Публикация: (2023)

Обнаружение аномалий в технологических данных: алгоритмы, программы, системы
по: Замятин, Александр Владимирович
Публикация: (2024)

Диагностика патологий по данным видеоэндоскопии с использованием ансамбля сверточных нейронных сетей

Эффективное обнаружение стеганографически скрытой информации посредством интегрального классификатора на основе сжатия данных
по: Монарев, Виктор Александрович

Стегоанализ цифровых изображений с использованием глубоких нейронных сетей и гетероассоциативных интегральных преобразований
по: Дрюченко, Михаил Анатольевич

Анализ нейронных сетей в телемедицине
по: Кузнецов, Денис Николаевич

Предсказание константы скорости внутренней конверсии методом машинного обучения

Обучение с подкреплением для реальных задач. Инженерный подход [для аналитиков данных и специалистов по искусственному интеллекту] : пер. с англ.
по: Уиндер, Фил
Публикация: (2023)

Методы и алгоритмы сегментации медицинских изображений на основе машинного обучения автореферат диссертации на соискание ученой степени кандидата технических наук спец. 05.13.01
по: Данилов, В. В. специалист в области информатики и вычислительной техники инженер Томского политехнического университета 1989-
Публикация: (2020)

Tradeoff search methods between interpretability and accuracy of the identification fuzzy systems based on rules
по: Yankovskaya, Anna Efimovna