Wykrywanie anomalii w czasie rzeczywistym za pomoc¿ ogromnych strumien

Wykrywanie anomalii w czasie rzeczywistym ogromnych strumieni danych jest obecnie jednym z wänych tematów badä, poniewä wi-kszo-- -wiatowych danych jest generowana w ci-g-ych procesach czasowych. Zajmuje si- ona ró-nymi problemami w wielu dziedzinach, takich jak zdrowie, edukacja, finanse, rz-d, itp. W niniejszej pracy proponujemy udoskonalenie tego podej-cia wdro-onego w modelach prognostycznych HW i TDHW. Algorytm genetyczny (GA) jest stosowany do okresowej optymalizacji parametrów wyg-adzania HW i TDHW, oprócz dwóch parametrów okien przesuwnych, które poprawiaj- MAS- Hyndmana w zakresie odchy-ki i warto-ci parametru progowego, który nie definiuje przedziäu ufno-ci anomalii. Proponujemy równie- now- funkcj- optymalizacji opart- na wej-ciowych zbiorach danych szkoleniowych z anotowanymi interwäami anomalii w celu wykrycia w-äciwych anomalii i zmniejszenia liczby fäszywych.

Zirije Hasani nasceu a 21.04.1988 em Gostivar, Macedónia. É doutorada em Informática e actualmente é Professora Universitária no Kosovo. É investigadora dedicada na área da detecção de anomalias em tempo real Big Data. Este livro é o resultado dos seus seis anos de investigação na área da detecção de anomalias em tempo real Big Data.