Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/49147
Title: Нейро-нечеткая модель детектирования аномалий в потоках телеметрии для распределенных телекоммуникационных систем
Authors: Половеня, С.
Радишевская, Т.
Keywords: публикации ученых;телеметрия;телекоммуникационные системы;нейро-нечеткое моделирование;детектирование аномалий;масштабаторы;фаззификаторы;лингвистические термы
Issue Date: 2022
Publisher: Министерство связи и информатизации Республики Беларусь
Citation: Половеня, С. Нейро-нечеткая модель детектирования аномалий в потоках телеметрии для распределенных телекоммуникационных систем / С. Половеня, Т. Радишевская // Веснiк сувязi. – 2022. – № 2. – С. 50–55.
Abstract: В статье представлена нейро-нечеткая модель детектирования аномалий в потоках телеметрии распределенных телекоммуникационных систем. Признаки состояния оборудования обрабатываются искусственной нейронной нечеткой сетью прямого распространения с помощью математического аппарата нечетких множеств. Основой модели является масштабатор/фаззификатор, который определяет входные лингвистические термы по пикам или провалам данных и/или по восходящим или нисходящим трендам с разными порогами скорости изменения данных. Настраиваемая длина скользящего окна для данных от отличающихся источников устраняет чувствительность предложенной модели к размеру окна при обнаружении аномалий разного типа. Нейро-нечеткая модель реализована в виде библиотеки подпрограмм в среде разработки EasyBuilder Pro для устройств cMT-SVR.
metadata.local.description.annotation: The article presents a neuro-fuzzy model for detecting anomalies in telemetry flows of distributed telecommunication systems. Signs of the state of the equipment are processed by an artificial neural fuzzy network of direct propagation using the mathematical apparatus of fuzzy sets. The basis of the model is a scaler/fuzzifier that determines input linguistic terms from data peaks or troughs and/or from uptrends or downtrends with different data rate thresholds. Adjustable sliding window length for data from different sources eliminates the sensitivity of the proposed model to the size of the window when detecting different types of anomalies. The neuro-fuzzy model is implemented as a library of subroutines in the EasyBuilder Pro development environment for cMT-SVR devices.
URI: https://libeldoc.bsuir.by/handle/123456789/49147
Appears in Collections:Публикации в изданиях Республики Беларусь

Files in This Item:
File Description SizeFormat 
Polovenya_Neiro_nechetkaya.pdf288.64 kBAdobe PDFView/Open
Show full item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.