CNN-LSTM-POT

Aqlli issiqxona sensor maʼlumotlari uchun CNN-LSTM-POT asosidagi anomaliyani aniqlash: real vaqtli edge joylashtirish yondashuvi

Ushbu tadqiqot aqlli issiqxonalarda harorat, namlik, yorugʻlik intensivligi va CO2 kabi atrof-muhit sensorlaridan keladigan xato yoki noodatiy maʼlumotlarni bulutga yetib bormasidan oldin issiqxona gatewayʼida aniqlashni maqsad qiluvchi CNN-LSTM-POT nomli gibrid anomaliyani aniqlash yondashuvini ishlab chiqadi.

Bu saytda cookie-fayllarga ruxsat berish foydalanish tajribangizni yaxshilaydi. Cookie-fayllar siyosati

Aqlli issiqxona sensor maʼlumotlari uchun CNN-LSTM-POT asosidagi anomaliyani aniqlash: real vaqtli edge joylashtirish yondashuvi

LMS Oʻzaro Taʼsir Maʼlumotlari Bilan Xavf Ostidagi Talabalarni Erta Aniqlash: Maxfiylikka Eʼtiborli va Fanlararo Sunʼiy Intellekt Doirasi

Tabiiy Fanlar va Matematika Oʻqituvchilari Dars Tadqiqotini Barqaror Kasbiy Rivojlanish Modeli Sifatida Qanday Koʻradi?

STEM Taʼlimida Faol Oʻrganishning Talaba Muvaffaqiyatiga Taʼsiri Tur va Intensivlikka Koʻra Oʻzgaradi: Meta-Tahlil

Baholashdan Oldin Oʻqitish: Sun’iy Intellekt Integratsiyalashgan EAP Pedagogikasini Sun’iy Intellekt Vositachiligidagi Akademik Yozuv Baholashi bilan Uygʻunlashtirish

Pre-sessional Dasturlarda Manbalardan Yozishni Talaba Nuqtayi Nazaridan Tushunish: Refleksiv Tematik Tahlil