Показати скорочену інформацію

dc.contributor.authorШмундяк, Д. О.uk
dc.contributor.authorІжаковська, Н. С.uk
dc.contributor.authorЛитвиненко, Д. О.uk
dc.contributor.authorСудець, А. О.uk
dc.date.accessioned2024-02-23T14:21:38Z
dc.date.available2024-02-23T14:21:38Z
dc.date.issued2023
dc.identifier.citationАналіз можливостей Python-бібліотек щодо виявлення аномальних даних у задачі прогнозування стану атмосферного повітря [Електронний ресурс] / Д. О. Шмундяк, Н. С. Іжаковська, Д. О. Литвиненко, А. О. Судець // Матеріали LII Науково-технічної конференції підрозділів ВНТУ, Вінниця, 21-23 червня 2023 р. – Електрон. текст. дані. – 2023. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2023/paper/view/18957.uk
dc.identifier.urihttp://ir.lib.vntu.edu.ua//handle/123456789/39234
dc.description.abstractПроведено порівняльний аналіз деяких бібліотек для мови програмування Python щодо їх можливостей виявлення аномальних даних. Описано основні принципи роботи кожної з бібліотек, вказано їх переваги та недоліки. Проведено практичні випробування та порівняння ефективності цих бібліотек для виявлення аномалій у даних громадського моніторингу якості атмосферного повітря мережі EcoCity.uk
dc.description.abstractThe purpose of the paper is to conduct a comparative overview of some of the Python programming language libraries to understand their anomaly detection capabilities. The primary principles of every approach and algorithm were described, and their advantages and disadvantages were listed. The efficiency of these approaches was compared by applying algorithms to detect anomalies inside the dataset of the air quality monitoring system EcoCityen
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали LII Науково-технічної конференції підрозділів ВНТУ, Вінниця, 21-23 червня 2023 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2023/paper/view/18957
dc.subjectякість атмосферного повітряuk
dc.subjectаномалії часових рядівuk
dc.subjectPythonen
dc.subjectмашинне навчанняuk
dc.subjectEcoCityen
dc.subjectair qualityen
dc.subjecttime series anomaliesen
dc.subjectmachine learningen
dc.titleАналіз можливостей Python-бібліотек щодо виявлення аномальних даних у задачі прогнозування стану атмосферного повітряuk
dc.title.alternativeAnalysis of python libraries for detecting anomalies in the sphere of atmospheric air state forecastingen
dc.typeThesis
dc.identifier.udc004.9+574
dc.relation.referencesEco-City Громадський моніторинг стану якості повітря [Електронний ресурс] – Режим доступу до ресурсу: https://eco-city.org.ua/.uk
dc.relation.referencesEco-City Кабінет дослідника [Електронний ресурс] – Режим доступу до ресурсу: https://archive.eco-city.org.ua/.uk
dc.relation.referencesAnomalyDetection: Anomaly Detection Using Seasonal Hybrid Extreme Studentized Deviate Test [Електронний ресурс] – Режим доступу до ресурсу: https://rdrr.io/github/twitter/AnomalyDetection/f/README.mden
dc.relation.referencesAnomaly Detection: Seasonal ESD [Електронний ресурс] – Режим доступу до ресурсу: https://github.com/nachonavarro/seasonal-esd-anomaly-detection/blob/master/README.mden
dc.relation.referencesIsolation Forest [Електронний ресурс] – Режим доступу до ресурсу: https://scikitlearn.org/stable/modules/outlier_detection.html#isolation-forest.en
dc.relation.referencesStatsmodels [Електронний ресурс] – Режим доступу до ресурсу: https://www.statsmodels.org/stable/index.html.en


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію