https://libeldoc.bsuir.by/handle/123456789/59297
Title: | Интеллектуальная классификация пожароопасных ситуаций на основе данных из комплекса взаимосвязанных датчиков |
Other Titles: | Intelligent classification of fire hazardous situations based on data from a complex of interconnected sensors |
Authors: | Сингх Санни Прибыльский, А. В. |
Keywords: | материалы конференций;нейронные сети;пожарные датчики;системы прогнозирования;пожароопасные ситуации |
Issue Date: | 2024 |
Publisher: | Издательство Южного федерального университета |
Citation: | Сингх Санни. Интеллектуальная классификация пожароопасных ситуаций на основе данных из комплекса взаимосвязанных датчиков = Intelligent classification of fire hazardous situations based on data from a complex of interconnected sensors / Сингх Санни, А. В. Прибыльский // Компьютерные и информационные технологии в науке, инженерии и управлении «КомТех-2024» : материалы Всероссийской научно-технической конференции с международным участием : в 2 т. Т. 1 / Южный федеральный университет [и др.] ; отв. ред. С. И. Клевцов. – Ростов-на-Дону ; Таганрог : Издательство Южного федерального университета, 2024. – С. 100–106. |
Abstract: | В исследовании проводится сравнение методов интеллектуальной классификации пожароопасных ситуаций на основе данных из комплекса взаимосвязанных датчиков. Рассматриваются интеллектуальные классификаторы на основе машинного обучения, статистического анализа и деревьев принятия решения с целью выявление методов, обладающих самым высоким соотношением точности к значению производительности, вычисленной с помощью F-меры, для дальнейшего использования в системе прогнозирования и классификации пожароопасных ситуаций. Проведенный анализ точности и производительности приведенных методов, показал, что наиболее точным и производительными методами оказались Random forest classifier и RNN с LSTM слоями обладающих соотношением точности к производительности 119.99 и 123.30 соответственно. |
Alternative abstract: | The study compares approaches to intelligent classification of fire hazardous situations based on data from a set of interconnected sensors. Intelligent classifiers based on machine learning, statistical analysis and decision trees are considered in order to identify methods with the highest ratio of accuracy to performance value calculated using F-measure for further use in the system for predicting and classifying fire hazardous situations. An analysis of the accuracy and performance of the above methods showed that the most accurate and productive methods were Random forest classifier and RNN with LSTM layers, with an accuracy to performance ratio of 119.99 and 123.30, respectively. |
URI: | https://libeldoc.bsuir.by/handle/123456789/59297 |
Appears in Collections: | Компьютерные и информационные технологии в науке, инженерии и управлении «КомТех-2024» |
File | Description | Size | Format | |
---|---|---|---|---|
Singh_Intellektual'naya.pdf | 932.15 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.