Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/11945
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Юдин Иван Павлович | ru_RU |
dc.contributor.author | Шолохова Алена Алексеевна | ru_RU |
dc.contributor.author | Sholokhova Alena | en_GB |
dc.contributor.editor | Андрианов Сергей Николаевич | ru_RU |
dc.contributor.editor | Andrianov Sergei Nikolаevich | en_GB |
dc.date.accessioned | 2018-07-26T15:14:20Z | - |
dc.date.available | 2018-07-26T15:14:20Z | - |
dc.date.issued | 2018 | |
dc.identifier.other | 018985 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/11945 | - |
dc.description.abstract | В работе рассмотрены алгоритмы поиска аномалий в сенсорных данных применительно к задаче анализа движения морских судов. Современное судно снабжено большим количеством датчиков, непрерывно записывающих показатели функционирования его различных подсистем. В случае, когда организован сбор и хранение такой информации, открываются возможности применения интеллектуальных систем анализа данных. Прикладными областями подобных систем могут служить, например, задачи предупреждения опасных маневров, прогнозирования поломок, предотвращения столкновений, оптимизации потребления топлива. В работе рассмотрено применение алгоритмов обучения без учителя для анализа навигационных данных (координаты судна, его скорость, курс, глубина и пр.), а также пример прогнозирования потребления топлива на основе полиномиальных нейронных сетей. Приведены описания различных математических подходов и демонстрация их применения на реальных данных. В заключении рассмотрены варианты дальнейшего развития предложенных методов. | ru_RU |
dc.description.abstract | The algorithms for anomaly detection in the sensory data in the application to the analysis of maritime traffic are described. The modern vessel is equipped with many sensors, continuously recording the performance of its various subsystems. The collection and storage of such information provide the possibilities of using intelligent data analysis systems. Applied areas of such systems can serve tasks of preventing dangerous maneuvers, predicting maintenance, preventing collisions, optimizing fuel consumption. The application unsupervised learning for the analysis of navigational data (ship coordinates, speed, course, depth, etc.) and an example of predicting of fuel consumption based on the polynomial neural networks are considered. A description of various mathematical approaches and its demonstration on real data is given. In conclusion, the possible development and improvement of the given methods are considered. | en_GB |
dc.language.iso | ru | |
dc.subject | машинное обучение | ru_RU |
dc.subject | полиномиальная нейронная сеть | ru_RU |
dc.subject | поиск аномалий | ru_RU |
dc.subject | прогнозирование потребления топлива | ru_RU |
dc.subject | идентификация систем | ru_RU |
dc.subject | machine learning | en_GB |
dc.subject | polynomial neural network | en_GB |
dc.subject | anomaly detection | en_GB |
dc.subject | prediction of fuel consumption | en_GB |
dc.subject | system identification | en_GB |
dc.title | Development of anomaly detection methods for vessel maneuvers and fuel consumption | en_GB |
dc.title.alternative | Разработка методов обнаружения аномалий маневрирования и потребления топлива для морских судов | ru_RU |
Располагается в коллекциях: | DOCTORAL STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
VKR_SHoloxovaA.pdf | Article | 2,09 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Recenziya_SHoloxova.doc | ReviewSV | 100,5 kB | Microsoft Word | Просмотреть/Открыть |
reviewSV_Recenziya_na_VKR_-_SHoloxova.pdf | ReviewRev | 309,54 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_st002541_Andrianov_Sergej_Nikolaevich_(supervisor)(Ru).txt | ReviewSV | 5,44 kB | Text | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.