Statistické modelování a detekce anomálií: Průvodce GMM
Klepni pro otočení · Swipni pro navigaci
7 kartiček
Otázka: Co je Gaussovská směs (GMM)?
Odpověď: Pravděpodobnostní model založený na Gaussovském rozdělení, který předpokládá, že data jsou složena z několika pravděpodobnostních rozdělení (složek sm
Otázka: Jak se matematicky vyjadřuje hustota pravděpodobnosti Gaussovské směsi?
Odpověď: p(x) = w1 p1(x) + w2 p2(x) + ... + wn pn(x), kde wi jsou váhy jednotlivých složek směsi.
Otázka: Co představují váhy (wi) v modelu GMM?
Odpověď: Váhy jsou koeficienty jednotlivých složek směsi určující jejich příspěvek k výsledné hustotě.
Otázka: Jaký je hlavní přínos použití vícerozměrného GMM pro popis stavu systému?
Odpověď: Umožňuje popsat vztahy mezi dimenzemi a modelovat závislosti mezi nimi, což umožňuje automatizované rozhodování o normálním nebo abnormálním stavu.
Otázka: Jaká je výhoda GMM z hlediska zachování vlastností modelovaných veličin?
Odpověď: GMM zachovává fyzikální vlastnosti veličin, protože pouze vytváří jejich statistický model.
Otázka: Jaké je hlavní nevýhody použití GMM podle obsahu?
Odpověď: Může vyžadovat relativně vysoký počet složek směsi, což zvyšuje časovou náročnost výpočtu modelu z dat.
Otázka: Proč je vhodné modelovat stav zařízení ve více rozměrech pomocí GMM?
Odpověď: Protože vícerozměrný model popisuje závislosti mezi dimenzemi a lépe odlišuje normální a anomální stavy než jednorozměrný popis.