ترجمه فارسی مقاله SDOoop: ثبت الگوهای دوره ای و ناهنجاری های خارج از فاز در تجزیه و تحلیل داده های جریانی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی SDOoop: Capturing Periodical Patterns and Out-of-phase Anomalies in Streaming Data Analysis
عنوان مقاله به فارسی SDOoop: ثبت الگوهای دوره ای و ناهنجاری های خارج از فاز در تجزیه و تحلیل داده های جریانی
نویسندگان Alexander Hartl, Félix Iglesias Vázquez, Tanja Zseby
فرمت مقاله انگلیسی PDF
تعداد صفحات 9
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 4 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 4 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Streaming data analysis is increasingly required in applications, e.g., IoT, cybersecurity, robotics, mechatronics or cyber-physical systems. Despite its relevance, it is still an emerging field with open challenges. SDO is a recent anomaly detection method designed to meet requirements of speed, interpretability and intuitive parameterization. In this work, we present SDOoop, which extends the capabilities of SDO's streaming version to retain temporal information of data structures. SDOoop spots contextual anomalies undetectable by traditional algorithms, while enabling the inspection of data geometries, clusters and temporal patterns. We used SDOoop to model real network communications in critical infrastructures and extract patterns that disclose their dynamics. Moreover, we evaluated SDOoop with data from intrusion detection and natural science domains and obtained performances equivalent or superior to state-of-the-art approaches. Our results show the high potential of new model-based methods to analyze and explain streaming data. Since SDOoop operates with constant per-sample space and time complexity, it is ideal for big data, being able to instantly process large volumes of information. SDOoop conforms to next-generation machine learning, which, in addition to accuracy and speed, is expected to provide highly interpretable and informative models.

چکیده به فارسی (ترجمه ماشینی)

تجزیه و تحلیل داده های جریان به طور فزاینده ای در برنامه ها ، به عنوان مثال ، IoT ، امنیت سایبری ، روباتیک ، مکاترونیک یا سیستم های سایبری فیزیکی مورد نیاز است.علیرغم ارتباط آن ، هنوز هم یک زمینه نوظهور با چالش های باز است.SDO یک روش تشخیص ناهنجاری اخیر است که برای برآورده کردن نیازهای سرعت ، تفسیر و پارامترهای بصری طراحی شده است.در این کار ، SDOOOP را ارائه می دهیم ، که قابلیت های نسخه جریان SDO را برای حفظ اطلاعات زمانی از ساختارهای داده گسترش می دهد.نقاط SDOOOP ناهنجاری های متنی غیر قابل کشف توسط الگوریتم های سنتی ، در حالی که امکان بازرسی از هندسه های داده ، خوشه ها و الگوهای زمانی را فراهم می کند.ما از SDOOOP برای مدل سازی ارتباطات شبکه واقعی در زیرساخت های بحرانی و الگوهای استخراج شده که پویایی آنها را فاش می کند ، استفاده کردیم.علاوه بر این ، ما SDOOOP را با داده های مربوط به تشخیص نفوذ و حوزه های علوم طبیعی ارزیابی کردیم و عملکردهای معادل یا برتر از رویکردهای پیشرفته را بدست آوردیم.نتایج ما پتانسیل بالای روشهای جدید مبتنی بر مدل را برای تجزیه و تحلیل و توضیح داده های جریان نشان می دهد.از آنجا که SDOOOP با فضای ثابت در هر نمونه و پیچیدگی زمان کار می کند ، برای داده های بزرگ ایده آل است ، که قادر به پردازش فوری حجم زیادی از اطلاعات است.SDOOOP با یادگیری ماشین نسل بعدی مطابقت دارد ، که علاوه بر دقت و سرعت ، انتظار می رود مدلهای بسیار قابل تفسیر و آموزنده را ارائه دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.