Приборы и системы. Управление, контроль, диагностика Аннотация к статье << Назад Автоматическая генерация пайплайнов для детектирования событий в системах проактивного мониторинга сложных систем М.А. БОЛЬШАКОВ, А.Д. ХОМОНЕНКО, В.А. ХОДАКОВСКИЙ Автоматическая генерация связных цепочек моделей, называемых пайплайнами, позволяет реализовывать различную логику подготовки данных для итогового алгоритма обучения, повышая тем самым качество итоговой модели. Однако большое разнообразие алгоритмов и неизвестный в общем случае характер их взаимодействия не позволяет экспертно подобрать наилучшую комбинацию методов. Для этого чаще всего применяют либо методики перебора, что в большинстве случаев вычислительно затратно, либо методы автоматического машинного обучения, которые, однако либо не нацелены на оптимизацию пайплайна целиком, либо решают задачу в самом общем виде, не учитывая особенности решаемой задачи, что также в итоге приводит к большим вычислительным затратам на подбор моделей и их параметров. В работе предлагается учесть особенности задач мониторинга, связанные в первую очередь с представлением анализируемых данных в форме многомерных временных рядов с редкими событиями-инцидентам, которые желательно выявлять с некоторой заблаговременностью, что позволят сузить область поиска и оптимизировать вычислительные затраты. В силу недостатка качественных датасетов из области мониторинга сложных систем подход апробирован в основном на наборе синтетических данных c известными свойствами, но достигнутые результаты можно увидеть и на примере с данными промышленной диагностики систем хранения и других технических систем. Ключевые слова: мониторинг, машинное обучение, пайплайн, классификация состояний, автоматическое машинное обучение, снижение размерности, сэмплирование. DOI: 10.25791/pribor.12.2024.1547 Стр. 48-59.