Отрывок: Пороги 𝑇𝑗 в (1) определяются как 𝑇𝑗 = 𝑡1−𝛼 2 ,𝑁−1?̂?𝑗 , где 𝑡𝛼,𝑁 – 𝛼 -квантили распределения Стьюдента. Для построения нейросетевой модели использовались сети архитектуры NARX с обратными связями. В сети использовались блоки линий задержки IX Международная конференция и молодёжная школа «Информационные технологии и нанотехнологии» (ИТНТ-20...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorМандрикова О. В.ru
dc.contributor.authorПолозов Ю. А.ru
dc.coverage.spatialNARXru
dc.coverage.spatialанализ данныхru
dc.coverage.spatialвейвлетыru
dc.coverage.spatialионосфераru
dc.coverage.spatialнейронные сетиru
dc.creatorМандрикова О. В., Полозов Ю. А.ru
dc.date.accessioned2023-10-06 09:21:44-
dc.date.available2023-10-06 09:21:44-
dc.date.issued2023ru
dc.identifierRU\НТБ СГАУ\541789ru
dc.identifier.citationМандрикова, О. В. Метод обнаружения аномалий в природных данных на основе нейронных сетей и вейвлет-фильтрации / О. В. Мандрикова, Ю. А. Полозов // Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 т. / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - Фил. Федер. науч.-исслед. центра "Кристаллография и фотоника" Рос. акад. наук. - Самара : Изд-во Самар. ун-та, 2023Т. 5: Науки о данных / под ред. Е. В. Гошина. - 2023. - С. 051232.ru
dc.identifier.urihttp://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Metod-obnaruzheniya-anomalii-v-prirodnyh-dannyh-na-osnove-neironnyh-setei-i-veivletfiltracii-106027-
dc.description.abstractПредложен автоматизированный метод анализа природных данных и обнаружения аномалий, основанный на совмещении операций вейвлет-фильтрации с нейронной сетью NARX. Построен алгоритм вейвлет-фильтрации и способ оценки порогов, основанный на стохастическом подходе. Показано, что применение вейвлет-фильтрации подавляет шум, упрощает структуру данных и, как следствие, позволяет получить более точную нейросетевую модель NARX. На примере ионосферных данных показана эффективность метода для обнаружения ионосферных аномалий в периоды магнитных бурь.ru
dc.language.isorusru
dc.relation.ispartofИнформационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6ru
dc.sourceИнформационные технологии и нанотехнологии (ИТНТ-2023). - Т. 5 : Науки о данныхru
dc.titleМетод обнаружения аномалий в природных данных на основе нейронных сетей и вейвлет-фильтрацииru
dc.typeTextru
dc.citation.spage051232ru
dc.citation.volume5ru
dc.textpartПороги 𝑇𝑗 в (1) определяются как 𝑇𝑗 = 𝑡1−𝛼 2 ,𝑁−1?̂?𝑗 , где 𝑡𝛼,𝑁 – 𝛼 -квантили распределения Стьюдента. Для построения нейросетевой модели использовались сети архитектуры NARX с обратными связями. В сети использовались блоки линий задержки IX Международная конференция и молодёжная школа «Информационные технологии и нанотехнологии» (ИТНТ-20...-
Располагается в коллекциях: Информационные технологии и нанотехнологии

Файлы этого ресурса:
Файл Размер Формат  
978-5-7883-1921-6_2023-051232.pdf380.45 kBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.