Glosarium AI
Kamus lengkap Kecerdasan Buatan
Density-Based Spatial Clustering (DBSCAN) on Streams
Application of the DBSCAN algorithm on temporal windows of a stream to identify clusters and isolated points considered as anomalies.
Temporal Autoencoder
Autoencoder neural network designed for sequential data, learning to reconstruct normal patterns from a stream and flagging high reconstruction errors as anomalies.
Data Profiling (Data Sketching)
Data summarization technique that compresses a continuous stream into a compact data structure for fast analysis and approximate anomaly detection.
Dynamic Threshold Detection
Method where the anomaly detection threshold is automatically adjusted based on recent stream statistics, adapting to variations in the norm.
Data Stream
Ordered and potentially infinite sequence of data events arriving continuously, which must be processed with limited memory and time resources.
Holt-Winters Algorithm
Triple exponential smoothing method used to model and forecast time series with trend and seasonality, significant deviations from forecasts signaling anomalies.
Anomaly Detection by Online Learning
Paradigm where the detection model is updated sequentially after each new observation from the stream, enabling continuous adaptation to new norms.
Tumbling Window
Disjoint temporal window that captures fixed and non-overlapping data segments from a stream, often used for real-time batch analysis.
Détection basée sur les Graphes de Flux
Approche modélisant les entités et leurs interactions dans un flux sous forme de graphe dynamique, les anomalies étant des nœuds ou des arêtes aux comportements inhabituels.
Détection d'Anomalie Contextuelle en Flux
Identification d'anomalies dont le caractère anormal dépend du contexte (ex: heure de la journée), nécessitant une modélisation des normes conditionnelles en temps réel.
Algorithme STORM (STreaming OutlieR deTection)
Algorithme spécifiquement conçu pour la détection d'outliers dans les flux de données à haute vitesse, utilisant des structures de données efficaces pour un traitement en mémoire limitée.
Détection par Agrégation de Flux (Stream Aggregation)
Méthode qui agrège les données du flux sur des périodes ou des clés avant de détecter les anomalies sur les résultats agrégés, réduisant la complexité et le bruit.