<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://dk.um.si/IzpisGradiva.php?id=93087"><dc:title>Samodejno odkrivanje anomalij v dnevniških zapisih omrežnega stikala z uporabo nevronskih mrež na grafih</dc:title><dc:creator>Dolenc,	Anže	(Avtor)
	</dc:creator><dc:creator>Sepesy Maučec,	Mirjam	(Mentor)
	</dc:creator><dc:creator>Donaj,	Gregor	(Komentor)
	</dc:creator><dc:subject>dnevniški zapisi</dc:subject><dc:subject>omrežno stikalo</dc:subject><dc:subject>zaznava anomalij</dc:subject><dc:subject>strojno učenje</dc:subject><dc:subject>Log2Graph</dc:subject><dc:description>V magistrski nalogi obravnavamo zaznavanje anomalij v dnevniških zapisih omrežnega stikala z uporabo nevronskih mrež nad grafi. Klasične metode analize logov nadomestimo s pristopom Log2Graph, ki dnevniške zapise pretvori v grafe s pomočjo razčlenjevalnika Drain in vektorskih predstavitev GloVe ter TF-IDF. Za učenje uporabljamo model DiGCN in preučimo vpliv vrednosti hiperparametrov, deleža anomalij ter kontaminacije učne množice na uspešnost zaznavanja anomalij. Rezultate ocenimo z metrikami AP, ROC AUC in F1. Pristop izkazuje robustnost in prilagodljivost pri zaznavanju anomalij v realnih omrežnih podatkih.</dc:description><dc:publisher>[A. Dolenc]</dc:publisher><dc:date>2025</dc:date><dc:date>2025-06-05 08:08:24</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>93087</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>