Inteligentne techniki szacowania w zarządzaniu nieoczekiwanymi sytuacjami

Aktywne systemy mają kluczowe znaczenie dla obsługi dynamicznych zdarzeń w różnych domenach w tym w procesach biznesowych. Pierwsza praca wprowadza inteligentną metodę wykorzystującą kodowanie liczb całkowitych do wstępnego przetwarzania dziennika optymalizację nietoperzy do wyboru funkcji oraz głębokie konwolucyjne sieci neuronowe do wykrywania nieprawidłowych zdarzeń chociaż CNN nie mają spójności przestrzennej. Aby temu zaradzić druga praca implementuje Eclat-based Association Rule Mining (EARM) do wykrywania i priorytetyzacji nieprawidłowych zdarzeń ale generuje nadmierne zestawy kandydatów i wymaga obszernego skanowania bazy danych. Trzecia praca poprawia przewidywanie incydentów w systemach lotniczych poprzez integrację optymalizacji migracji zwierząt (AMO) z eksploracją reguł asocjacyjnych (ARM) gdzie Apriori generuje reguły asocjacyjne a AMO udoskonala je eliminując reguły o niskiej użyteczności. Kodowanie one-hot jest stosowane do konwersji numerycznej zapewniając wydajne wyprowadzanie zdarzeń. To ustrukturyzowane podejście optymalizuje wydajność obliczeniową jednocześnie poprawiając dokładność wykrywania zdarzeń i priorytetyzację.