Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Automatiserad detektering av avvikelser i tidsserier
Karlstad University, Faculty of Health, Science and Technology (starting 2013), Department of Mathematics and Computer Science (from 2013).
Karlstad University, Faculty of Health, Science and Technology (starting 2013), Department of Mathematics and Computer Science (from 2013).
2018 (Swedish)Independent thesis Basic level (university diploma), 10 credits / 15 HE creditsStudent thesis
Abstract [sv]

Uppdragsgivaren till detta examensarbete har uttryckt en önskan om att utveckla ett verktyg för att automatiskt upptäcka avvikelser i signaldata från maskiner inom pappers- och massaindustrin. En önskan har funnits att utvärdera om statistiska verktyg eller maskininlärning kan appliceras på uppgiften att automatisera denna avvikelsedetektering. Detta arbete utvärderar tre olika metoder. En av metoderna innefattar maskininlärning i form av neurala nätverk och de andra är statistiska verktyg för dataanalys. Metoderna som tillämpas för avvikelsedetektering utvärderas i fyra separata experiment. Resultatet av arbetet ger, inom de ramar som satts upp under experimenten, en indikation på att de metoder som skapar prognoser har potentialen att ge en förbättring av träffsäkerheten hos avvikelsedetekteringen. Detta förutsätter dock att tid och resurser läggs på att förbereda verktygen och förse dem med relevant signaldata i tillräcklig mängd.

Place, publisher, year, edition, pages
2018. , p. 52
Keywords [sv]
avvikelser, detektering, maskininlärning
National Category
Computer Sciences
Identifiers
URN: urn:nbn:se:kau:diva-67567OAI: oai:DiVA.org:kau-67567DiVA, id: diva2:1216753
External cooperation
Mikael Arvidsson, ÅF Consult
Subject / course
Computer Science
Educational program
Study Programme in IT design, 180 hp
Supervisors
Examiners
Available from: 2018-06-19 Created: 2018-06-12 Last updated: 2018-06-19Bibliographically approved

Open Access in DiVA

Automatiserad detektering av avvikelser i tidsserier(1686 kB)7 downloads
File information
File name FULLTEXT01.pdfFile size 1686 kBChecksum SHA-512
b4ddf2985994a987f3086c2c3433a50a66304891bd54f7846c96dca6c0d3eadb7f893c4239bc503ff43343b180cfcd062fb80aed65d3ce71b390f8916cb5c42a
Type fulltextMimetype application/pdf

By organisation
Department of Mathematics and Computer Science (from 2013)
Computer Sciences

Search outside of DiVA

GoogleGoogle Scholar
Total: 7 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 14 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf