Наредни састанак Семинара биће одржан онлајн у среду, 18.маја 2022, од 19-20 часова.
Предавач: Милош Савић, Природно-математички факултет, Нови Сад
Наслов предавања: ДЕТЕКЦИЈА АНОМАЛИЈА АУТОЕНКОДЕРИМА СА ПРИМЕНАМА У ПОРЕСКИМ И IIoT СИСТЕМИМА
Апстракт: Детекција аномалија је један од основих проблема машинског учења. Поред класичних техника базираних на дистанцама и густини инстанци података у простору, детекција аномалија се може реализовати и неуронским мрежама. Један од могућих начина је употребом аутоенкодера, односно неуронске мреже која се обучава да на излазу репородукује улаз кроз међуслојеве знатно мањих димензија у односу на број атрибута којима су подаци описани. Тренирањем аутоенкодера на подацима у којима нема аномалија се заправо учи латентна репрезентација нормалног понашања података, а аномалијама се проглашавају оне инстанце за које је грешка реконструкције кроз аутоенкодер већа од неког прага (нпр., максимална грешка на тренинг скупу података). У овом излагању представићемо два метода за детекцију аномалија базираних на аутоенкодерима који су дизајнирани за пореске [1] и индустријске IoT системе [2].
Референце:
[1] М. Савић, Ј. Атанасијевић, Д. Јаковетић, Н. Крејић. Tax evasion risk management using a Hybrid Unsupervised Outlier Detection method. Expert Systems with Applications 193: 116409, 2022
[2] М. Савић, М. Лукић, Д. Даниловић, Ж. Бодрошки, Д. Бајовић, И. Мезеи, Д. Вукобратовић, С. Шкрбић, Д. Јаковетић. Deep Learning Anomaly Detection for Cellular IoT With Applications in Smart Logistics, IEEE Access 9: 59406-59419, 2021
Напомена: Регистрациона форма за учешће је доступна на линку:
https://miteam.mi.sanu.ac.rs/asset/CW5nJWDSEZDj7p32p
Уколико желите само да пратите предавање без могућности активног учешћа, пренос је доступан на линку:
https://miteam.mi.sanu.ac.rs/asset/4LNW8WtML7rLKojoz