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. |
| Alternative abstract: | 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. 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 |
| File | Description | Size | Format | |
|---|---|---|---|---|
| Polovenya_Neiro_nechetkaya.pdf | 288.64 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.