Técnicas de estimativa inteligente para gerir situações inesperadas

Name: Técnicas de estimativa inteligente para gerir situações inesperadas
SKU: 2139c447402db5bf119a8af877afd308
Price: 40.99 EUR
Availability: InStock

1/1

Afbeelding van Técnicas de estimativa inteligente para gerir situações inesperadas

Bol

Prijzen vanaf

40,99

Uitgelicht

	40,99	Naar shop
VERGELIJK ALLE AANBIEDERS (1)

Beschrijving

Bol Os sistemas activos são cruciais para lidar com eventos dinâmicos em vários domínios, incluindo processos empresariais. O primeiro trabalho apresenta um método inteligente que utiliza a codificação de números inteiros para o pré-processamento de registos, a otimização de morcegos para a seleção de caraterísticas e redes neurais convolucionais profundas para a deteção de eventos anormais, embora as CNN não tenham consistência espacial. Para resolver este problema, o segundo trabalho implementa a Eclat-based Association Rule Mining (EARM) para detetar e dar prioridade a eventos anómalos, mas gera conjuntos de candidatos excessivos e requer uma análise extensiva da base de dados. O terceiro trabalho melhora a previsão de incidentes em sistemas aeroespaciais, integrando a Otimização da Migração Animal (AMO) com a Extração de Regras de Associação (ARM), em que o Apriori gera regras de associação e a AMO as refina, eliminando regras de baixa utilidade. A codificação one-hot é aplicada para conversão numérica, garantindo uma derivação eficiente de eventos. Esta abordagem estruturada optimiza a eficiência computacional, ao mesmo tempo que melhora a precisão e a priorização da deteção de eventos.

Lees meer

Vergelijk aanbieders (1)

Sorteren op:

€ 40,99 Gratis verzending

Beschrijving (1)

Os sistemas activos são cruciais para lidar com eventos dinâmicos em vários domínios, incluindo processos empresariais. O primeiro trabalho apresenta um método inteligente que utiliza a codificação de números inteiros para o pré-processamento de registos, a otimização de morcegos para a seleção de caraterísticas e redes neurais convolucionais profundas para a deteção de eventos anormais, embora as CNN não tenham consistência espacial. Para resolver este problema, o segundo trabalho implementa a Eclat-based Association Rule Mining (EARM) para detetar e dar prioridade a eventos anómalos, mas gera conjuntos de candidatos excessivos e requer uma análise extensiva da base de dados. O terceiro trabalho melhora a previsão de incidentes em sistemas aeroespaciais, integrando a Otimização da Migração Animal (AMO) com a Extração de Regras de Associação (ARM), em que o Apriori gera regras de associação e a AMO as refina, eliminando regras de baixa utilidade. A codificação one-hot é aplicada para conversão numérica, garantindo uma derivação eficiente de eventos. Esta abordagem estruturada optimiza a eficiência computacional, ao mesmo tempo que melhora a precisão e a priorização da deteção de eventos.

Lees meer