Techniques d'estimation intelligente pour gérer les situations inattendues

Les systèmes actifs sont essentiels pour gérer les événements dynamiques dans divers domaines y compris les processus d'entreprise. Le premier travail introduit une méthode intelligente utilisant le codage des entiers pour le prétraitement des journaux l'optimisation Bat pour la sélection des caractéristiques et les réseaux neuronaux convolutionnels profonds pour la détection des événements anormaux bien que les réseaux neuronaux convolutionnels manquent de cohérence spatiale. Pour remédier à ce problème le deuxième travail met en œuvre l'extraction de règles d'association basée sur Eclat (EARM) pour détecter et hiérarchiser les événements anormaux mais il génère des ensembles de candidats excessifs et nécessite une analyse approfondie de la base de données. Le troisième travail améliore la prédiction des incidents dans les systèmes aérospatiaux en intégrant l'optimisation de la migration des animaux (AMO) à l'exploration des règles d'association (ARM) où Apriori génère des règles d'association et AMO les affine en éliminant les règles à faible utilité. Le codage à une chaleur est appliqué pour la conversion numérique ce qui garantit une dérivation efficace des événements. Cette approche structurée optimise l'efficacité des calculs tout en améliorant la précision de la détection des événements et leur hiérarchisation.