000 | 03092nab a2200349 c 4500 | ||
---|---|---|---|
001 | koha000846972 | ||
005 | 20230118173924.0 | ||
007 | cr | | ||
008 | 220218|2021 ru s c rus d | ||
024 | 7 |
_a10.35752/1991-2927-2021-1-63-20-26 _2doi |
|
035 | _akoha000846972 | ||
040 |
_aRU-ToGU _brus _cRU-ToGU |
||
100 | 1 |
_aМурзагулов, Дамир Альбертович _9503005 |
|
245 | 1 | 0 |
_aОбнаружение аномалий технологических сигналов с использованием ансамбля классификаторов и вейвлет-преобразований _cД. А. Мурзагулов, А. В. Замятин |
246 | 1 | 1 | _aThe process signal anomaly detection using classifier ensemble and wavelet transforms |
336 | _aТекст | ||
337 | _aэлектронный | ||
504 | _aБиблиогр.: 26 назв. | ||
520 | 3 | _aУровень 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 сигналах в целях повышения качества мониторинга объектов управления. Для обнаружения аномалий предлагается ансамбль из базовых классификаторов на основе алгоритмов машинного обучения и вейвлет-преобразований. Рассмотрены специфика технологических сигналов и преимущества вейвлет-анализа для предварительной обработки сигналов. В работе разработан подход к обнаружению аномалий на основе ансамбля моделей и проведена его предварительная апробация на реальных технологических сигналах. | |
653 | _aтехнологические сигналы | ||
653 | _aмашинное обучение | ||
653 | _aвейвлет-преобразование | ||
653 | _aобнаружение аномалий | ||
653 | _aмашинное обучение, ансамбли моделей | ||
655 | 4 |
_aстатьи в журналах _9795112 |
|
700 | 1 |
_aЗамятин, Александр Владимирович _978617 |
|
773 | 0 |
_tАвтоматизация процессов управления _d2021 _g № 1. С. 20-26 _x1991-2927 |
|
852 | 4 | _aRU-ToGU | |
856 | 4 | _uhttp://vital.lib.tsu.ru/vital/access/manager/Repository/koha:000846972 | |
908 | _aстатья | ||
999 | _c846972 |