В реальное время, основная масса областей делают переход к шагу цифровой модификации. Бывают замечены и внедряются системы онлайн вещей, больших данных, машинного изучения.
Объектом данной работы выступает многомерные данные.
Предметом исследовательской работы методы понижения размерностей и методы поиска аномалий.
Методы:
1. структурного и функционального анализа;
2. основных положений теории автоматизированных систем;
3. адаптивные.
Целью работы выступает изучение методов понижения размерностей и поиска аномалий.
В соответствии с целью ставятся следующие вопросы для дальнейшего изучения, а именно:
- произвести описание математической постановки задачи;
- произвести описание многомерного статистического анализа;
- произвести описание искусственной нейронной сети;
- произвести описание обнаружений аномалий как области анализа данных;
- произвести описание методов понижения размерностей многомерных данных;
- произвести описание методов обнаружения аномалий многомерных данных;
- произвести оценку методов и моделей.
Лучшее решение это - купить курсовую работу по информатике в Work5. Доверьте написание курсовой работы профессиональным авторам!
.
Актуальность данной исследовательской работы заключается в том, что будут рассмотрены наиболее распространенные методы в области данной тематики.
Данная работа состоит из двух глав, введения, заключения и списка литературы. Всего 27 страниц, список литературы из 10 пунктов.
В первой главе производится математическая постановка задачи в области исследования функционального анализа. А также производится описание возможных причин, которые вызывают аномалии.
С позиции количества данных в работе производится описание подхода к решению таких задач, как поиск аномалий и понижение размерности.
Выделяется концептуальный подход к детектированию и прогнозированию аномалий, основанный на метрических итерационных алгоритмах, а также модельном подходе.
Далее производится описание многомерного статистического анализа, с позиции использования многомерных данных, а именно набора одномерных функций в многомерных событиях. При этом, присваивается функциям и объектам классы, которые в дальнейшем выступают неким обобщением.
Затем производится описание обнаружения аномалий, используя искусственную нейронную сеть, но без описания процесса ее обучения, при этом решая некий класс задач, связанный с прогнозированием отказа оборудования, как один из методов решения задачи по поиску аномалий.
Далее, в первой главе производится описание интеллектуального анализа данных, производится классификация возможных сложностей, а также классификация самих аномалий и соответственных методик решения для них, таких как:
1. гибридные методы,
2. методы на основе индуктивного вывода,
3. концепция «размытости» данных,
4. методы на основе генетических алгоритмов,
5. методы на основе искусственных нейронных сетей,
6. методы на основе методов машинного обучения.
Во второй главе происходит описание методов понижения размерностей, а именно:
1. метод опорных векторов;
2. метод главных компонент (МГК);
3. метод неотрицательного матричного разложения;
4. ядерный метод главных компонент (ЯМГК);
5. метод, основанный на графах ядерного метода главных компонент;
6. метод линейного дискриминантного анализа (ЛДА);
7. метод обобщённого дискриминантного анализа (ОДА);
8. метод автокодировщика.
Затем производится описание методов обнаружения аномалий, а именно:
1. алгоритм выявления аномалий с допущением, что распределение исходной последовательности может быть приближено к гауссовскому;
2. метод типа PCA для обнаружения аномалий;
3. метод автоэнкодера.
Затем производится оценка методов с позиции использованной модели, причем, при этом можно произвести оценку и самой модели, исходя из работоспособности методов.
25 страниц
83% уникальность
2020 год
25 просмотров
