Andere Kunden interessierten sich auch für
![Rilevamento di anomalie in tempo reale su flussi di dati massicci]( "Rilevamento di anomalie in tempo reale su flussi di dati massicci")
Rilevamento di anomalie in tempo reale su flussi di dati massicci24,99 €![Sistema multiagente per un sistema di rilevamento delle intrusioni adattivo in tempo reale]( "Sistema multiagente per un sistema di rilevamento delle intrusioni adattivo in tempo reale")
Sistema multiagente per un sistema di rilevamento delle intrusioni adattivo in tempo reale53,99 €![FLAMED: un approccio di apprendimento profondo per il rilevamento di incendi e fumi in tempo reale]( "FLAMED: un approccio di apprendimento profondo per il rilevamento di incendi e fumi in tempo reale")
FLAMED: un approccio di apprendimento profondo per il rilevamento di incendi e fumi in tempo reale39,99 €![Rilevamento proiettato degli outlier per flussi di dati ad alta dimensionalità]( "Rilevamento proiettato degli outlier per flussi di dati ad alta dimensionalità")
Rilevamento proiettato degli outlier per flussi di dati ad alta dimensionalità36,99 €![Architetture di sistemi IoT in tempo reale]( "Architetture di sistemi IoT in tempo reale")
Architetture di sistemi IoT in tempo reale26,99 €![IoT per applicazioni in tempo reale]( "IoT per applicazioni in tempo reale")
IoT per applicazioni in tempo reale39,99 €![Progettazione e sviluppo di flussi di dati alternativi stealth migliorati]( "Progettazione e sviluppo di flussi di dati alternativi stealth migliorati")
Progettazione e sviluppo di flussi di dati alternativi stealth migliorati23,99 €
Il rilevamento di anomalie in tempo reale di massicci flussi di dati è uno dei temi di ricerca più importanti al giorno d'oggi, dato che la maggior parte dei dati mondiali viene generata in processi temporali continui. Essa affronta vari problemi in molti settori come la sanità, l'istruzione, la finanza, il governo, ecc. In questo lavoro, proponiamo un miglioramento di questo approccio implementato nei modelli di previsione HW e TDHW. L'Algoritmo Genetico (GA) viene applicato per ottimizzare periodicamente i parametri di lisciatura HW e TDHW in aggiunta ai due parametri delle finestre scorrevoli che migliorano la misura MASE di Hyndman della deviazione e il valore del parametro di soglia che non definisce alcun intervallo di confidenza dell'anomalia. Proponiamo anche una nuova funzione di ottimizzazione basata sui dataset di addestramento in ingresso con gli intervalli di anomalia annotati per rilevare le anomalie giuste e ridurre il numero di quelle false.