Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Год издания: 2025
Ключевые слова: neural networks, time series, anomaly detection, server diagnostics, data mining, Artificial Intelligence for IT Operations, transformer, нейронные сети, временные ряды, обнаружение аномалий, диагностика серверов.
Аннотация: В работе исследуется эффективность применения оптимальных методов интеллектуального анализа данных (Data Mining) для повышения точности диагностики системных ошибок серверного оборудования. Традиционные средства мониторинга теряют эффективность при обработке больших объемов гетерогенных данных и зашумленных многомерных временных ряПоказать полностьюдов, не позволяя оперативно выявлять скрытые зависимости и причины сбоев. В качестве решения проведен сравнительный анализ нейросетевых архитектур (CNN, LSTM, Transformer, Autoencoder). Обосновано преимущество моделей на базе Transformer, которые обеспечивают наилучшую точность классификации отказов и интерпретируемость результатов в рамках концепции AIOps. This paper examines the effectiveness of using optimal methods of intelligent data analysis (data mining) to improve the accuracy of diagnosing system errors in server equipment. Traditional monitoring tools lose their effectiveness when processing large volumes of heterogeneous data and noisy multidimensional time series, preventing the rapid identification of hidden dependencies and causes of failures. As a solution, a comparative analysis of neural network architectures (CNN, LSTM, Transformer, Auto-encoder) was conducted. The advantage of Transformer-based models, which provide the best accuracy of failure classification and interpretability of results within the AIOps concept, was substantiated.
Журнал: Робототехника и искусственный интеллект
Номера страниц: 182-187
Место издания: Красноярск