Zastosowanie struktur sieci neuronowych typu transformer do detekcji anomalii danych

• Autorzy: Krasiński Kamil , Piotrowski Zbigniew

Identyfikatory

DOI

10.15199/13.2024.8.6

Warianty tytułu

EN

Application of Transformer Neural Network Structures for Data Anomaly Detection

• Języki publikacji: PL

Abstrakty

PL

Celem niniejszego artykułu jest przegląd metod i narzędzi wykorzystujących różne architektury sztucznych sieci neuronowych w celu wykrywania anomalii w dostarczonych ciagach danych, ze szczególnym naciskiem na architekturę sieci typu transformer. Przegląd ten ma na celu zaprezentowanie aktualnego stanu wiedzy, jak również wskazanie kierunków dalszych badań i rozwoju w tej wciąż rozwijającej się dziedzinie.

EN

The aim of this article is to review methods and tools utilizing various artificial neural network architectures of artificial intelligence for detecting anomalies in provided data sequences, with a particular emphasis on transformer network architecture. This review aims to present the current state of knowledge, as well as to indicate directions for further research and development in this still evolving field.

Słowa kluczowe

PL

scrum; szacowanie czasu; metodyki zwinne; zarządzanie projektami; szacowanie probabilistyczne; punkty narracji

EN

scrum; time estimation; agile methodologies; project management; probabilistic estimation; story points

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2024
• Tom: Vol. 65, Nr 8
• Strony: 30--32
• Opis fizyczny: Bibliogr. 6 poz., rys.

Twórcy

autor

Krasiński Kamil

• EY GDS (CS) Poland

autor

Piotrowski Zbigniew

• Wojskowa Akademia Techniczna, Wydział Elektroniki

Bibliografia

• [1] Attention Is All You Need, Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Łukasz Kaiser, Illia Polosukhin, https://proceedings.neurips.cc/paper_files/paper/2017/file/3f5ee243547dee91fbd053c1c4a 845aa-Paper.pdf
• [2] Nikola Bochyńska, Sztuczna inteligencja w mainstreamie. ChatGPT bije rekordy popularności, podobnie jak Lensa AI, https://cyberdefence24.pl/technologie/sztuczna-inteligencja-w-mainstreamie-chatgpt-bije-rekordy-popularnosci-podobnie-jak-lensa-ai
• [3] Frank E. Grubbs, Sample Criteria for Testing Outlying Observations, https://projecteuclid.org/journals/annals-of-mathematical- statistics/volume-21/issue-1/Sample-Criteria-for-Testing-Outlying-Observations/10.1214/aoms/1177729885.full
• [4] Wilfrid Dixon, Simplified Statistics for Small Numbers of Observations, https://web.archive.org/web/20150501042023/http://depa.fquim.unam.mx/amyd/archivero/ac1951_23_636_13353.pdf
• [5] Alexey Dosovitskiy, Lucas Beyer, Alexander Kolesnikov, Dirk Weissenborn, Xiaohua Zhai, Thomas Unterthiner, Mostafa Dehghani, Matthias Minderer, Georg Heigold, Sylvain Gelly, Jakob Uszkoreit, Neil Houlsby, An Image Is Worth 16x16 Words: Tranformers For image Recognition At Scale, https://arxiv.org/pdf/2010.11929
• [6] Bryan Lim, Sercan Ö. Arık, Nicolas Loeff, Tomas Pfister, Temporal Fusion Transformers for interpretable multi-horizon time series forecasting, https://www.sciencedirect.com/science/article/pii/S0169207021000637

Uwagi

Badania zostało sfinansowane przez Wojskową Akademię Techniczną, Wydział Elektroniki, numer grantu UGB 22 747.