Μεταπτυχιακές εργασίες ειδίκευσης
Εντολή Αναζήτησης : Συγγραφέας="Παπαγιαννάκης"
Και Συγγραφέας="Γεώργιος"
Τρέχουσα Εγγραφή: 26 από 824
|
|
| Κωδικός Πόρου |
000456945 |
| Τίτλος |
Choose wisely: an extensive evaluation of model selection for anomaly detection in time series |
| Άλλος τίτλος |
Επιλέξτε προσεκτικά: μια εκτενής αξιολόγηση επιλογής μοντέλων για την ανίχνευση ανωμαλιών σε χρονοσειρές |
|
Συγγραφέας
|
Συλλιγάρδος, Εμμανουήλ Π.
|
|
Σύμβουλος διατριβής
|
Τραχανιάς, Πσναγιώτης
|
|
Μέλος κριτικής επιτροπής
|
Κομοντάκης, Νικόλαος
Παλπάνας, Θέμης
|
| Περίληψη |
Η ανίχνευση ανωμαλιών είναι μια θεμελιώδης εργασία για την ανάλυση χρονοσειρών με σημαντικές επιπτώσεις στην επίδοση πολλών εφαρμογών. Παρά το αυξανόμενο
ακαδημαϊκό ενδιαφέρον και τον μεγάλο αριθμό μεθόδων που προτείνονται στη βιβλιογραφία, πρόσφατες μελέτες έδειξαν ότι δεν υπάρχουν καθολικά βέλτιστες μέθοδοι
ανίχνευσης ανωμαλιών όταν εφαρμόζονται σε ετερογενή σύνολα χρονοσειρών. Αυτή
η έλλειψη μιας καθολικά βέλτιστης μεθόδου αποτελεί σημαντική πρόκληση για όσους
πρέπει να επιλέξουν την καταλληλότερη τεχνική για τα δεδομένα τους. Για να ξεπεραστεί αυτός ο περιορισμός, η παρούσα διατριβή προτείνει μία μέθοδο επιλογής μοντέλων
που μπορεί να επιλέξει αυτόματα την καλύτερη τεχνική ανίχνευσης ανωμαλιών με βάση
τα χαρακτηριστικά των χρονοσειρών. Αξιοποιώντας αλγορίθμους ταξινόμησης χρονοσειρών, ο στόχος είναι μια επεκτάσιμη και εφικτή λύση για την επίλυση της ανίχνευσης
ανωμαλιών σε εξαιρετικά διαφορετικές χρονοσειρές από διάφορους τομείς.
Οι υπάρχουσες λύσεις αυτόματης μηχανικής μάθησης δεν είναι άμεσα εφαρμόσιμες στην ανίχνευση ανωμαλιών για χρονοσειρές, και επί του παρόντος δεν υπάρχει
αξιολόγηση προσεγγίσεων επιλογής μοντέλων βασισμένων σε χρονοσειρές. Ως εκ
τούτου, συγκρίνουμε 16 διαφορετικούς ταξινομητές σε 1800 χρονοσειρές, που αντιπροσωπεύουν διάφορα και ποικίλα σύνολα δεδομένων. Συγκρίνοντας τις επιδόσεις
αυτών των ταξινομητών, αυτή η εργασία παρέχει την πρώτη εκτεταμένη αξιολόγηση
της ταξινόμησης χρονοσειρών ως επιλογή μοντέλων για την ανίχνευση ανωμαλιών. Τα
αποτελέσματα δείχνουν ότι οι μέθοδοι επιλογής μοντέλου υπερτερούν των επιμέρους
μεθόδων ανίχνευσης ανωμαλιών, διατηρώντας παράλληλα χρόνους εκτέλεσης στην
ίδια τάξη μεγέθους. Αυτή η αξιολόγηση χρησιμεύει ως ένα σημαντικό βήμα για να
καταδείξει την αποτελεσματικότητα των αλγορίθμων ταξινόμησης για την ανίχνευση
ανωμαλιών και θέτει ένα ισχυρό σημείο αναφοράς για την καθοδήγηση της επιλογής
μοντέλων στις γενικές διαδικασίες της αυτόματης μηχανικής μάθησης.
Τα ευρήματα αυτής της αξιολόγησης έχουν σημαντικές επιπτώσεις στον τομέα
της ανίχνευσης ανωμαλιών. Η αποδεδειγμένη υπεροχή των μεθόδων επιλογής μοντέλων υπογραμμίζει τη σημασία της επιλογής της καταλληλότερης μεθόδου με βάση
τα χαρακτηριστικά της χρονοσειράς. Με την αξιοποίηση των πλεονεκτημάτων διάφορων μεθόδων ανίχνευσης ανωμαλιών, μπορεί να βελτιωθεί η συνολική απόδοση των
συστημάτων ανίχνευσης ανωμαλιών. Επιπλέον, η τρέχουσα αξιολόγηση χρησιμεύει
στη σύγκριση αλγορίθμων ταξινόμησης χρονοσειρών για την επιλογή μοντέλων για
ανίχνευση ανωμαλιών. Αυτή η μελέτη όχι μόνο παρέχει πολύτιμες γνώσεις σχετικά
με την αποτελεσματικότητα των διαφόρων ταξινομητών, αλλά θέτει και τα θεμέλια
για περαιτέρω έρευνα σε αυτοματοποιημένες προσεγγίσεις επιλογής μοντέλων για την
ανίχνευση ανωμαλιών. Τελικά, η προτεινόμενη μέθοδος και η πειραματική αξιολόγηση
συμβάλλουν στην πρόοδο της ανάλυσης χρονοσειρών και επιτρέπουν την ακριβέστερη
και αποτελεσματικότερη ανίχνευση ανωμαλιών σε διάφορους τομείς.
|
| Φυσική περιγραφή |
vi, 55 σ. : σχεδ., πιν., εικ. (μερ. εγχρ.) ; 30 εκ. |
| Γλώσσα |
Αγγλικά |
| Θέμα |
AutoML |
|
Time series analysis |
|
Time series classification |
|
Ανάλυση χροσειρών |
|
Αυτόματη μηχανική μάθηση |
|
Ταξινόμηση χρονοσειρών |
| Ημερομηνία έκδοσης |
2023-07-21 |
| Συλλογή
|
Σχολή/Τμήμα--Σχολή Θετικών και Τεχνολογικών Επιστημών--Τμήμα Επιστήμης Υπολογιστών--Μεταπτυχιακές εργασίες ειδίκευσης
|
|
|
Τύπος Εργασίας--Μεταπτυχιακές εργασίες ειδίκευσης
|
| Μόνιμη Σύνδεση |
https://elocus.lib.uoc.gr//dlib/e/7/9/metadata-dlib-1688626100-88732-25782.tkl
|
| Εμφανίσεις |
689 |
Συλλογές
