Журнал «Современная Наука»

ВЛИЯНИЕ СИНТЕТИЧЕСКИХ ПОТОКОВЫХ ДАННЫХ, СОЗДАННЫХ ГЕНЕРАТИВНЫМИ МОДЕЛЯМИ МАШИННОГО ОБУЧЕНИЯ, НА АНАЛИТИКУ И МЕТОДЫ РАННЕГО ВЫЯВЛЕНИЯ ОТКЛОНЕНИЙ

Уланов Кирилл Анатольевич (аспирант, кафедра информационных систем Московский государственный технологический университет «Станкин», РФ )

Статья исследует, как синтетические потоковые данные, генерируемые современными генеративными моделями, влияют на работу аналитических сервисов реального времени и систем обнаружения отклонений. Предлагается формальная модель вмешивания с параметрами доля–интенсивность–разнообразие для стека обработки потоков данных. Эксперименты на реальных синтетических потоках данных показали, что уже 5% синтетических сообщений могут существенно ухудшить точность прогнозов и увеличить задержку обнаружения аномалий. Работа вносит вклад в теорию контроля качества данных и формулирует практические рекомендации по использованию синтетических потоков.

Ключевые слова:генеративные потоковые данные, синтетические данные, обнаружение отклонений, контроль качества данных, потоковая аналитика

Читать полный текст статьи …

Ссылка для цитирования:
Уланов К. А. ВЛИЯНИЕ СИНТЕТИЧЕСКИХ ПОТОКОВЫХ ДАННЫХ, СОЗДАННЫХ ГЕНЕРАТИВНЫМИ МОДЕЛЯМИ МАШИННОГО ОБУЧЕНИЯ, НА АНАЛИТИКУ И МЕТОДЫ РАННЕГО ВЫЯВЛЕНИЯ ОТКЛОНЕНИЙ // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и Технические Науки. -2025. -№06/2. -С. 221-223 DOI 10.37882/2223-2966.2025.06-2.41

ПРАВОВАЯ ИНФОРМАЦИЯ:
Перепечатка материалов допускается только в некоммерческих целях со ссылкой на оригинал публикации. Охраняется законами РФ. Любые нарушения закона преследуются в судебном порядке.
© ООО "Научные технологии"