| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Viedās datortehnoloģijas |
| Nosaukums |
Dinamisko vizuālo datu anomāliju noteikšana |
| Nosaukums angļu valodā |
Anomaly Detection in Dynamic Visual Data |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Dmitrijs Bļizņuks |
| Recenzents |
Andrejs Kalniņš |
| Anotācija |
Mūsdienās anomāliju noteikšanas sistēmas arvien plašāk tiek izmantotas
dažādās nozarēs, nodrošinot automatizētu datu apstrādi un ļaujot monitorēt industriālas
un eksperimentālas sistēmas, kas prasa augstu uzticamību un robustumu. Šādas
sistēmas ir būtiskas industriālajā ražošanā, medicīnā un zinātniskajos eksperimentos,
kur īpaši svarīga ir precīza attēlu apstrāde un anomāliju noteikšana. Lai nodrošinātu
efektīvu darbību, anomāliju noteikšanas sistēmām jāspēj apstrādāt lielu datu apjomu,
bieži vien darbojoties ierobežotu resursu vidēs. Tomēr esošās metodes bieži vien tiek
izstrādātas tikai konkrētam mērķim vai iekārtai un nav pietiekami efektīvas, lai
nodrošinātu augstas precizitātes anomāliju atpazīšanu un datu klasifikāciju reāllaikā.
Bakalaura darba ietvaros tiek analizētas dažādas esošās anomāliju noteikšanas
un klasterizācijas metodes. Tiek izstrādāta un testēta sistēma, kas, veicot datu iezīmju
iegūšanu, dimensiju samazināšanu un dinamisku vizuālo datu klasterizāciju, iegūst
kvalitatīvus klasterizācijas rezultātus un spēj identificēt anomālijas. Īpaša uzmanība
tiek pievērsta UMAP (angļu val. Uniform Manifold Approximation and Projection)
algoritmam un tā pielāgošanai dažādiem datiem, novērtējot tā efektivitāti reālās
situācijās.
Pētījuma rezultātā ir izstrādāta sistēma, kas ļauj efektīvāk apstrādāt dinamiskus
vizuālus datus, uzlabojot anomāliju atpazīšanu un datu klasifikāciju. Izstrādātais
risinājums sniedz būtisku ieguldījumu automatizētajā kvalitātes kontrolē un industriālo
attēlu apstrādes sistēmu attīstībā, savukārt tā pielāgojamība dažāda veida datu kopām
nodrošina potenciālu šo risinājumu pielietot arī citās jomās, piemēram, medicīnisko
attēlu analīzei un industriālo ražošanas procesu optimizācijai. |
| Atslēgas vārdi |
ANOMĀLIJU NOTEIKŠANA, PETRI TRAUKI, UMAP, DBSCAN, ATTĒLU APSTRĀDE |
| Atslēgas vārdi angļu valodā |
ANOMALY DETECTION, PETRI DISHES, UMAP, DBSCAN, IMAGE PROCESSING |
| Valoda |
lv |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
27.05.2025 22:03:59 |
