I sistemi attivi sono fondamentali per la gestione degli eventi dinamici in vari ambiti, compresi i processi aziendali. Il primo lavoro introduce un metodo intelligente che utilizza la codifica degli interi per la pre-elaborazione dei log, l'ottimizzazione dei pipistrelli per la selezione delle caratteristiche e le reti neurali convoluzionali profonde per il rilevamento degli eventi anomali, anche se le CNN mancano di coerenza spaziale. Per ovviare a questo problema, il secondo lavoro implementa l'Eclat-based Association Rule Mining (EARM) per rilevare e dare priorità agli eventi anomali, ma genera insiemi di candidati eccessivi e richiede un'ampia scansione del database. Il terzo lavoro migliora la previsione degli incidenti nei sistemi aerospaziali integrando l'Animal Migration Optimization (AMO) con l'Association Rule Mining (ARM), dove Apriori genera regole di associazione e AMO le raffina eliminando le regole a bassa utilità. Per la conversione numerica viene applicata la codifica one-hot, che garantisce una derivazione efficiente degli eventi. Questo approccio strutturato ottimizza l'efficienza computazionale, migliorando al contempo l'accuratezza del rilevamento degli eventi e la definizione delle priorità.
Bitte wählen Sie Ihr Anliegen aus.
Rechnungen
Retourenschein anfordern
Bestellstatus
Storno