Mostrar el registro sencillo del ítem
dc.contributor.advisor | Sanchis Saez, Javier | es_ES |
dc.contributor.author | Gómez Lázaro, Ignacio | es_ES |
dc.date.accessioned | 2024-06-11T17:22:14Z | |
dc.date.available | 2024-06-11T17:22:14Z | |
dc.date.created | 2023-09-15 | |
dc.date.issued | 2024-06-11 | es_ES |
dc.identifier.uri | http://hdl.handle.net/10251/204986 | |
dc.description.abstract | [ES] Para esta tesis, se utilizan conjuntos de datos estándar con datos clasificados de comportamiento nominal y anómalo en edificios para validar el algoritmo de identificación de parámetros multilineales descompuestos de caja negra disponible para la detección de anomalías. El algoritmo proporcionado fue desarrollado por el proyecto SONDE (Supervisión y optimización de nuevos edificios a través de la exploración de datos) y adaptado en Matlab para otras bases de datos. Para evaluar el rendimiento del algoritmo, también se comparará con el rendimiento de los métodos más importantes existentes seleccionados a partir de una revisión de la literatura en términos de anomalías detectadas, falsas alarmas y anomalías no detectadas. | es_ES |
dc.description.abstract | [EN] For this thesis standard data sets with classified data of nominal and anomaly behavior in buildings are used to validate the available black box CP decomposed multilinear parameter identification algorithm for anomaly detection. The algorithm provided was developed by the SONDE project (Supervision and optimization of new buildings through data exploration) and adapted in Matlab for the other databases. To evaluate algorithm¿s performance will also be compared to the performance of the most important other existing methods selected from a literature review in terms of detected anomalies, false alarms, and undetected anomalies. | es_ES |
dc.description.abstract | [CAT] Para esta tesis, se utilizan conjuntos de datos estándar con datos clasificados de comportamiento nominal y anómalo en edificios para validar el algoritmo de identificación de parámetros multilineales descompuestos de caja negra disponible para la detección de anomalías. El algoritmo proporcionado fue desarrollado por el proyecto SONDE (Supervisión y optimización de nuevos edificios a través de la exploración de datos) y adaptado en Matlab para otras bases de datos. Para evaluar el rendimiento del algoritmo, también se comparará con el rendimiento de los métodos más importantes existentes seleccionados a partir de una revisión de la literatura en términos de anomalías detectadas, falsas alarmas y anomalías no detectadas. | es_ES |
dc.format.extent | 43 | es_ES |
dc.language | Inglés | es_ES |
dc.publisher | Universitat Politècnica de València | es_ES |
dc.rights | Reserva de todos los derechos | es_ES |
dc.subject | Algoritmos | es_ES |
dc.subject | Anomalías | es_ES |
dc.subject | Rendimiento | es_ES |
dc.subject | Detección de anomalías | es_ES |
dc.subject | SONDE | es_ES |
dc.subject.classification | INGENIERIA DE SISTEMAS Y AUTOMATICA | es_ES |
dc.subject.other | Grado en Ingeniería de la Energía-Grau en Enginyeria de l'Energia | es_ES |
dc.title | Study and performance testing of an algorithm designed for anomaly detection using standard datasets. | es_ES |
dc.title.alternative | Estudio y evaluación de rendimiento de un algoritmo de detección de anomalías utilizando conjuntos de datos estándar | es_ES |
dc.title.alternative | Estudi i prova de rendiment d'un algorisme dissenyat per a la detecció d'anomalies amb conjunts de dades estàndard. | es_ES |
dc.type | Proyecto/Trabajo fin de carrera/grado | es_ES |
dc.rights.accessRights | Cerrado | es_ES |
dc.contributor.affiliation | Universitat Politècnica de València. Departamento de Ingeniería de Sistemas y Automática - Departament d'Enginyeria de Sistemes i Automàtica | es_ES |
dc.contributor.affiliation | Universitat Politècnica de València. Escuela Técnica Superior de Ingenieros Industriales - Escola Tècnica Superior d'Enginyers Industrials | es_ES |
dc.description.bibliographicCitation | Gómez Lázaro, I. (2023). Study and performance testing of an algorithm designed for anomaly detection using standard datasets. Universitat Politècnica de València. http://hdl.handle.net/10251/204986 | es_ES |
dc.description.accrualMethod | TFGM | es_ES |
dc.relation.pasarela | TFGM\158419 | es_ES |