Видання НТУ "ХПІ"

Енергетичний ринок за своєю сутністю є доволі чутливим до кризових явищ, особливо тих, що безпосередньо стосуються населення. Зокрема це твердження пов’язане з компаніями, які займаються постачанням електроенергії фізичним особам і малому чи середньому бізнесу. Поточні наслідки пандемії та загострення військових протистоянь по всьому світу дають зрозуміти, що наразі відбуваються суттєві трансформаційні процеси, як суто технічні, так і економічні. Наприклад, для України це потреба перебудовувати зовнішньоекономічні зв’язки, захищатися від руйнування інфраструктури та враховувати спроможність клієнтів вчасно здійснювати оплату послуг. Аби бізнес, який бере участь у визначених процесах, міг швидко реагувати на виклики сьогодення, в рамках цієї статті було розроблено модель прогнозування обсягу ринку за недетермінованих умов, взявши за основу алгоритми векторної авторегресії та нейронні мережі. В окреслених обставинах найбільш вагомим компонентом запропонованих підходів є стадія передобробки даних, що дозволяє врахувати зовнішній вплив, який характеризує як соціальні зсуви, так і загальні зміни в галузі. Використовуються такі методи: аналітичний та індуктивний – для формування факторів зовнішнього впливу та опису цільових компаній; експертне оцінювання – для визначення найбільш впливових зовнішніх показників; експериментальний, багатокритеріального оцінювання та статистичні методи оброблення часових рядів – для визначення найбільш ефективної авторегресійної моделі. У ході дослідження виявлено, що цей вплив можна розділити на дві складові – профілі поведінки цільової аудиторії та ринкової кон’юнктури. Перший показник включає в себе перетворений текстовий опис клієнтів і середній обсяг витрат на енергетику, а другий – стан світової економіки, рівень монополізації і інвестиційних вкладень, фінансову стабільність компанії та рівень цін на енергоресурси. Окрім вказаного, кожен з профілів містить коригування відносно соціального зсуву. Проведене експериментальне дослідження показало відносну ефективність запропонованого підходу до передобробки даних у поєднанні, як зі згортковими нейронними мережами, так і з векторною авторегресією рухомого середнього. Це дозволяє констатувати доцільність його використання на практиці з можливістю подальшого вдосконалення із застосуванням більш складних сімейств алгоритмів.

The object of the study is the process of identifying the state of a computer network. The subject of the study are the methods of identifying the state of computer networks. The purpose of the paper is to improve the efficacy of intrusion detection in computer networks by developing a method based on transformer models. The results obtained. The work analyzes traditional machine learning algorithms, deep learning methods and considers the advantages of using transformer models. A method for detecting intrusions in computer networks is proposed. This method differs from known approaches by utilizing the Vision Transformer for Small-size Datasets (ViTSD) deep learning algorithm. The method incorporates procedures to reduce the correlation of input data and transform data into a specific format required for model operations. The developed methods are implemented using Python and the GOOGLE COLAB cloud service with Jupyter Notebook. Conclusions. Experiments confirmed the efficiency of the proposed method. The use of the developed method based on the ViTSD algorithm and the data preprocessing procedure increases the model's accuracy to 98.7%. This makes it possible to recommend it for practical use, in order to improve the accuracy of identifying the state of a computer system.

Видання НТУ "ХПІ"

Переглянути

Фільтри

Налаштування

Сортувати за

Результатів на сторінку

Результати пошуку