| DC Field | Value | Language |
|---|
| dc.contributor.author | Сингх Санни | - |
| dc.contributor.author | Прибыльский, А. В. | - |
| dc.coverage.spatial | Ростов-на-Дону | en_US |
| dc.date.accessioned | 2025-03-05T08:38:07Z | - |
| dc.date.available | 2025-03-05T08:38:07Z | - |
| dc.date.issued | 2024 | - |
| dc.identifier.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. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/59297 | - |
| dc.description.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. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | Издательство Южного федерального университета | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | нейронные сети | en_US |
| dc.subject | пожарные датчики | en_US |
| dc.subject | системы прогнозирования | en_US |
| dc.subject | пожароопасные ситуации | en_US |
| dc.title | Интеллектуальная классификация пожароопасных ситуаций на основе данных из комплекса взаимосвязанных датчиков | en_US |
| dc.title.alternative | Intelligent classification of fire hazardous situations based on data from a complex of interconnected sensors | en_US |
| dc.type | Article | en_US |
| local.description.annotation | 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. | en_US |
| Appears in Collections: | Компьютерные и информационные технологии в науке, инженерии и управлении «КомТех-2024»
|
