آموزش تشخیص آنومالی یا تشخیص ناهنجاری

آموزش شبیه سازی و تحلیل داده‌ها شبکه ابری
می 7, 2018
کانال های آموزش شبیه سازی با متلب
می 7, 2018

آموزش تشخیص آنومالی یا تشخیص ناهنجاری

تشخیص آنومالی ها یک مساله مهم است که در سطوح مختلف پژوهشی و حوزه های کاربردی مطالعه می شود. روش تشخیص ناهنجاری (به انگلیسی: anomaly detection) که به عنوان تشخیص دورافتاده (به انگلیسی: outlier detection) نیز شناخته شده، به تشخیص الگوهای موجود در یک مجموعه اطلاعات داده شده، که با رفتار بهنجار (نرمال) از پیش مقررشده، مطابقت ندارد، اشاره دارد. بنابراین الگوهای تشخیص داده شده، ناهنجاری‌ها نامیده می‌شوند و اغلب به اطلاعات حیاتی و کارآمد، در چندین حوزهٔ کاربرد، ترجمه می‌شوند. همچنین ناهنجاری‌ها به عنوان دورافتادگی، تغییر، انحراف، تعجب، نابجایی، صفات عجیب، نفوذ و غیره ارجاع می‌شوند. تشخیص ناهنجاری، در حوزه‌های مختلف، مانند سامانه تشخیص نفوذ، تشخیص تقلب، عیب یابی، نظارت بر سلامت سامانه، تشخیص رویداد در شبکه‌های حسگر، و تشخیص اختلالات سیستم سازگار با محیط زیست قابل اجرا است. این روش اغلب در پردازش به منظور حذف داده‌های غیرعادی از مجموعه داده‌ها، بکار می‌رود. در یادگیری تحت نظارت، حذف داده‌های غیرعادی از مجموعه داده، اغلب منجر به افزایش معنی دار آماری در دقت می‌شود.

 

تشخیص آنومالی یا تشخیص ناهنجاری; Manifolds; Manifold learning; Image processing; Anomaly detection; Target detection;

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

WhatsApp chat