Публікація: Модуль глибинного навчання для виявлення аномалій у сигналах з CAN шини автомобіля
dc.contributor.author | Остапенко, М. О. | |
dc.date.accessioned | 2021-02-08T20:02:08Z | |
dc.date.available | 2021-02-08T20:02:08Z | |
dc.date.issued | 2020 | |
dc.description.abstract | Метою магістерської атестаційної роботи є створення модуля глибинного навчання на основі нейронної мережі довгої короткочасної пам’яті. Об'єктом дослідження є процес обробки повідомлень з CAN шини, які представляють собою декілька сигналів, кількість яких залежить від CAN ID, за допомогою послідовно працюючих нейронної підмережі LSTM та повно зв’язних шарів. Предметом дослідження є методи методи виявлення аномалій в задачах інтелектуального аналізу даних. | uk_UA |
dc.identifier.citation | Остапенко М. О. Модуль глибинного навчання для виявлення аномалій у сигналах з CAN шини автомобіля : пояснювальна записка до атестаційної роботи здобувача вищої освіти на другому (магістерському) рівні, спеціальність 122 Комп’ютерні науки / Остапенко М. О. ; М-во освіти і науки України, Харків. нац. ун-т радіоелектроніки. – Харків, 2020. – 77 с. | uk_UA |
dc.identifier.uri | http://openarchive.nure.ua/handle/document/14400 | |
dc.language.iso | uk | uk_UA |
dc.subject | Автокодувальник | uk_UA |
dc.subject | аномалія | uk_UA |
dc.subject | вузьке місце | uk_UA |
dc.subject | глибинне навчання | uk_UA |
dc.subject | довга короткочасна пам'ять | uk_UA |
dc.subject | мережа контролерів | uk_UA |
dc.subject | рекурентна нейронна мережа | uk_UA |
dc.title | Модуль глибинного навчання для виявлення аномалій у сигналах з CAN шини автомобіля | uk_UA |
dc.type | Other | uk_UA |
dspace.entity.type | Publication |
Файли
Оригінальний пакет
1 - 2 з 2
Завантаження...
- Назва:
- 2020_M_ShI_Ostapenko_MO.pdf
- Розмір:
- 1.04 MB
- Формат:
- Adobe Portable Document Format
Завантаження...
- Назва:
- Dodatok_Ostapenko.pdf
- Розмір:
- 149.98 KB
- Формат:
- Adobe Portable Document Format
Ліцензійний пакет
1 - 1 з 1
Немає доступних мініатюр
- Назва:
- license.txt
- Розмір:
- 9.42 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: