Prohlížení Diplomové práce - 18105 dle předmětu "Detekce anomálií"

Zobrazují se záznamy 1-4 z 4

    • AutoML metody pro detekci anomálií v časových řadách 

      Autor: Marek Nevole; Vedoucí práce: Bím Jan; Oponent práce: Hrabáková Jitka
      (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2023-06-09)
      Úspěšné použití metod automatizovaného strojového učení (AutoML) pro detekci anomálií v časových řadách, v případě, kdy není k dispozici téměř žádná nebo žádná informace vyjadřující anomalitu dat, je náročný problém. Tato ...

    • Detekce anomalií pomocí Extended Isolation Forest algoritmu 

      Autor: Adam Valenta; Vedoucí práce: Maurerová Veronika; Oponent práce: Kordík Pavel
      (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-06-13)
      Práce se zabývá různými typy algoritmů pro detekci anomálií, podrobně pak algoritmem Extended Isolation Forest. Extended Isolation Forest rozšiřuje svého předchůdce Isolation Forest. Původní Isolation Forest přináší zcela ...

    • Detekce anomalií v časových řadách pomocí pravděpodobnostních modelů a metod strojového učení 

      Autor: Anna Husieva; Vedoucí práce: Šalanský Vojtěch; Oponent práce: Dedecius Kamil
      (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2024-06-08)
      Tato práce zkoumá účinnost pravděpodobnostních technik a technik strojového učení při detekci anomálií v časových řadách. Přehled příslušné literatury vytváří základ pro implementaci a vyhodnocení dvou pravděpodobnostních ...

    • Detekce anomálií v tržních datech 

      Autor: Eliáš El Frem; Vedoucí práce: Mandler Christian; Oponent práce: Novák Petr
      (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2024-06-07)
      Tato diplomová práce se zabývá detekcí anomálií v obchodních datech za použití pokročilých technik strojového učení. Hodnotí efektivitu sítí dlouhé krátkodobé paměti (LSTM), Autoenkodérů a Izolation Forests napříč různými ...