Новости

В исследовании сравниваются три алгоритма машинного обучения — Logistic Boosting, Random Forest и SVM — для обнаружения аномалий в IoT-управляемых фабриках. Logistic Boosting показал наилучшие результаты, достигнув 96.6% точности и AUC 0.992.

В рамках проекта Breakthrough Listen ученые применили алгоритмы машинного обучения для поиска техносигнатур в радионаблюдениях за близлежащими звездами, однако ни один из кандидатов не прошел базовую проверку.

Highlight представила новую функцию обнаружения аномалий на основе ИИ в своей облачной платформе для наблюдения за сетями, что позволит улучшить управление ИТ-инфраструктурой и повысить безопасность.

Highlight представила новую функцию обнаружения аномалий на основе ИИ для своей платформы сетевой наблюдаемости, что позволит управлять ИТ-инфраструктурой более эффективно.

Команда студентов из Вьетнама вышла в финал международного конкурса по проектированию интегральных схем с решением на основе ИИ для обнаружения аномалий.

Недавние исследования представили новый подход к обнаружению аномалий в промышленном Интернете вещей (IIoT), комбинируя XGBoost и LSTM для повышения точности и снижения ложных срабатываний.

Исследование MIT показало, что большие языковые модели (LLM) не всегда превосходят старые методы, но их уникальные возможности открывают новые горизонты в обнаружении аномалий.