Публікація: Метод виявлення аномалій у роботі системи обробки даних за допомогою моделей глибокого навчання
Завантаження...
Дата
2025
Автори
Назва журналу
ISSN журналу
Назва тома
Видавництво
Анотація
Метою кваліфікаційної роботи є розробка та дослідження методу виявлення аномалій у роботі системи обробки даних із використанням моделей глибокого навчання, зокрема гібридної архітектури CNN+LSTM. У ході виконання кваліфікаційної роботи було здійснено аналіз структури системи обробки даних, підготовлено часові ряди на основі логів активності, виявлено сезонні та нестабільні характеристики даних. Реалізовано кілька моделей прогнозування та аномалійної класифікації, включаючи MA, LSTM та CNN+LSTM. Проведено експерименти з різною кількістю історичних вхідних днів для оптимізації точності. Розроблено механізм виявлення аномалій на основі прогнозної похибки та довірчого інтервалу. Отримані результати свідчать про високу ефективність гібридного підходу для задачі моніторингу й оцінки стану інформаційних систем у режимі, близькому до реального часу.
Опис
Ключові слова
глибоке навчання, виявлення аномалій, CNN, LSTM, часові ряди
Бібліографічний опис
Ніколаєв О. Є. Метод виявлення аномалій у роботі системи обробки даних за допомогою моделей глибокого навчання : пояснювальна записка до кваліфікаційної роботи здобувача вищої освіти на другому (магістерському) рівні, спеціальність 123 Комп'ютерна інженерія / О. Є. Ніколаєв ; М-во освіти і науки України, Харків. нац. ун-т радіоелектроніки. – Харків, 2025. – 59 с.