prikaz prve stranice dokumenta Detekcija anomalija u vremenskim serijama
Rad nije dostupan
diplomski rad
Detekcija anomalija u vremenskim serijama
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:964023
Poletan, Nino
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Poletan, N. (2024). Detekcija anomalija u vremenskim serijama (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:964023

Poletan, Nino. "Detekcija anomalija u vremenskim serijama." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:964023

Poletan, Nino. "Detekcija anomalija u vremenskim serijama." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:964023

Poletan, N. (2024). 'Detekcija anomalija u vremenskim serijama', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 22.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:964023

Poletan N. Detekcija anomalija u vremenskim serijama [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 22.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:964023

N. Poletan, "Detekcija anomalija u vremenskim serijama", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:964023

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:964023
Podaci o radu
NaslovDetekcija anomalija u vremenskim serijama
Naslov (engleski)Anomaly Detection in Time Series
AutorNino Poletan
MentorVladimir Čeperić (mentor)
Član povjerenstvaVladimir Čeperić (predsjednik povjerenstva)
Član povjerenstvaStjepan Groš (član povjerenstva)
Član povjerenstvaTomislav Marković (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-09-20, Hrvatska
Sažetak
Ovaj rad istražuje detekciju anomalija u vremenskim serijama koristeći različite algoritme i modele, s posebnim naglaskom na velike jezične modele (LLM) poput GPT-4o i GPT-4o-mini. Detekcija anomalija je ključna u raznim industrijama jer omogućuje prepoznavanje neočekivanih obrazaca koji mogu ukazivati na pogreške, prijevare ili sigurnosne prijetnje. Rad analizira tradicionalne metode detekcije anomalija kao što su Isolation Forest, LOF, AutoEncoder, i VAE, te nove pristupe koji koriste LLM-ove. Rezultati pokazuju da iako LLM-ovi imaju potencijal za detekciju anomalija, njihova učinkovitost je ograničena bez specifične prilagodbe i treninga na relevantnim skupovima podataka. Korištenje zero-shot pristupa za detekciju anomalija pokazalo se najmanje učinkovitim, dok su druge metode poput biblioteke LLMTime pokazale potencijal za daljnji razvoj.
Sažetak (engleski)
This thesis explores anomaly detection in time series data using various algorithms and models, with a specific focus on large language models (LLMs) such as GPT-4. Anomaly detection is crucial in various industries as it allows for the identification of unexpected patterns that may indicate errors, fraud, or security threats. The study analyzes traditional anomaly detection methods such as Isolation Forest, LOF, AutoEncoder, and VAE, as well as new approaches utilizing LLMs. The results indicate that while LLMs have potential for anomaly detection, their effectiveness is limited without specific tuning and training on relevant datasets. The use of zero-shot approaches for anomaly detection proved to be the least effective, whereas other methods, like the LLMTime library, demonstrated potential for further development.
Jezikhrvatski
URN:NBNurn:nbn:hr:168:964023
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2024-10-12 21:53:23