Глоссарий ИИ
Полный словарь искусственного интеллекта
Fenêtrage Glissant (Sliding Window)
Méthode d'ingénierie de features qui segmente une série temporelle en sous-séquences de taille fixe qui se déplacent d'un pas temporel à la fois pour créer des échantillons d'entraînement.
Décomposition STL (Seasonal-Trend decomposition using Loess)
Algorithme robuste qui décompose une série temporelle en trois composantes : tendance, saisonnalité et résidu, facilitant l'analyse et la modélisation pour la maintenance prédictive.
Différenciation Temporelle
Transformation de stationnarisation qui calcule la différence entre des observations successives pour éliminer la tendance et rendre la série temporelle plus stable pour la modélisation.
Détection d'Anomalies par Isolation Forest
Algorithme de nettoyage qui isole les observations en construisant des arbres de décision aléatoires, où les anomalies sont identifiées par leur chemin plus court vers une feuille.
Normalisation Min-Max Temporelle
Méthode de mise à l'échelle qui transforme les valeurs d'une série temporelle dans une plage fixe [0, 1] en utilisant les minimum et maximum de la fenêtre d'entraînement pour préserver les relations temporelles.
Ingénierie de Features Lag
Création de variables explicatives basées sur les valeurs décalées (lags) de la série temporelle originale pour capturer les dépendances temporelles et l'autocorrélation.
Agrégation Temporelle par Moyenne Mobile
Technique de réduction de bruit qui calcule la moyenne des observations sur une fenêtre temporelle glissante pour lisser les fluctuations à court terme et révéler les tendances sous-jacentes.
Standardisation Z-Score Temporelle
Normalisation qui soustrait la moyenne et divise par l'écart-type calculés sur une fenêtre temporelle pour centrer et réduire les données, rendant les modèles moins sensibles aux échelles.
Циклическое кодирование временных признаков
Преобразование, которое представляет циклические временные характеристики (час, день, месяц) через их синусы и косинусы для сохранения круговой природы времени в моделях.
Временная импутация KNN
Метод заполнения отсутствующих значений, который использует k ближайших соседей во времени для оценки отсутствующего значения, основанный на сходстве смежных последовательностей.
Фильтр нижних частот Баттерворта
Техника шумоподавления, которая устраняет высокие частоты временного ряда, сохраняя низкие частоты, используя фильтр с плоской частотной характеристикой в полосе пропускания.
Временное ресемплирование (Resampling)
Процесс, который изменяет частоту дискретизации временного ряда путем повышающей дискретизации (upsampling) или понижающей дискретизации (downsampling) для выравнивания данных на равномерной временной сетке.
Обнаружение точек изменения (Change Point Detection)
Алгоритм, который определяет моменты, когда статистические свойства временного ряда изменяются значимо, что критично для обнаружения переходов между операционными состояниями.
Вейвлет-преобразование (Wavelet Transform)
Техника декомпозиции, которая анализирует временной ряд на разных частотах и временных разрешениях, позволяя изолировать локальные характеристики для обнаружения дефектов.
Создание скользящих статистических признаков
Генерация описательных переменных, вычисленных на скользящих временных окнах, таких как дисперсия, асимметрия или эксцесс, для захвата локальной динамики сигналов.
Импутация сплайн-интерполяцией
Продвинутый метод заполнения отсутствующих значений, который использует кусочные полиномы для создания гладкой кривой, проходящей через известные точки данных.