Zaman serisi verilerde gerçek zamanlı anomali tespiti
Real time anomaly detection in time series data
- Tez No: 618503
- Danışmanlar: PROF. DR. ŞAHİN EMRAH
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 72
Özet
İnternet hızının ve paralelinde internet kullanan uygulamaların artışı ile zaman serisi verilerinde önemli bir artış gözlemlenmektedir. Verilerin artışı, beraberinde yeni problemler getirmiş ve bu problemler için yeni çözüm yolları aranması ve büyüyen bir alan doğmasına fayda sağlamıştır. Oluşan bu büyük veri akışında problemlerin tespiti, beklenmeyen verilerin oluşmasının takibi ve gerekli önlemlerin alınması gibi ihtiyaçlar doğmuştur. Bu kapsamda tüm verilerin elde bulunmaması ve akış olarak oluşması dolayısı ile tespitin canlı olarak yapılması, sistemin verilerde zaman gibi değişkenlere bağlı farklılıkları gözetmesi, sorunları olabildiğince erken tespit etmesi ve eğitime ihtiyaç duymadan farklı veri akışları ile çalışabilmesi önem taşımaktadır. Anomali tespiti için eğri uydurma ve standart sapma tabanlı yaklaşımlar üzerinde çalışmalar yapılmış ve iyileştirme önerileri sunulmuştur. Kullandığımız yöntemlerin testini gerçekleştirmek ve bir karşılaştırma sunabilmek için açık kaynak olarak Numenta firması tarafından paylaşılan Numenta Anomaly Benchmark (NAB) kullanılmış, diğer açık kaynak olan anomali tespit algoritmaları ile sonuçlar karşılaştırılmıştır.
Özet (Çeviri)
A significant increase in time series data is observed with the increase of applications using internet in parallel with the internet speed and system speeds. The increase of the data has brought new problems and it has helped to look for new solutions and create a growing area. Problems arise in this large data flow, such as monitoring the occurrence of unexpected data and taking necessary measures. In this context, it is important that all data are not available and formed as a stream, so that the detection is made as data arrived, the system observes the differences in the data depending on variables such as time as it may bring drifts in data stream, it is important to detect problems as early as possible and to work with different data streams without the need for training. Second degree polynomial with least squares method and standard deviation based algorithms are tested. Also improvements are given. Open Source Numenta Anomaly Benchmark (NAB) by Numenta Company was used as a benchmark tool and the results were compared with other open source anomaly detection algorithms.
Benzer Tezler
- İklimlendirme sistemleri üzerinde makine öğrenmesi ile anomali tespiti
Anomaly detection with machine learning on air conditioning systems
REFİK KİBAR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED FATİH ADAK
DR. ÖĞR. ÜYESİ KEVSER OVAZ AKPINAR
- Dinamik sistemlerde zaman serileri analizi ile öğrenme tabanlı bilgi çıkarımı
Learning based information extraction by time series analysis in dynamic systems
SELAHATTİN BARIŞ ÇELEBİ
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. İLHAN AYDIN
- Inventory stock anomaly detection with variational autoencoder
Değişken otokodlayıcı kullanarak envanter stoğundaki anomalilerin tespiti
HALİL ARĞUN
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri MühendisliğiGalatasaray ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SADETTİN EMRE ALPTEKİN
- Pazar payı belirlemede bulanık çıkarım sistemi: Hava yolu pazar payı tahmini uygulaması
Fuzzy inference system for determining market share: Airline market share forecast application
GİZEM İNCİ
Yüksek Lisans
Türkçe
2016
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZ KAHRAMAN
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR