В процессе проведения исследования был разработан подход детекции фейковых новостей. Предложенный алгоритм состоит из: векторизатора на основе FastText, алгоритма кластеризации и набора полносвязных нейронных сетей. Алгоритм реализован на языке Python с использованием библиотек для машинного обучения, создано API с помощью фреймворка Flask. Программный комплекс развернут в сети интернет и доступен для пользователей.
Разработан алгоритм обнаружения отклонений в работе установок. Изучены и протестированы различные методы распознавания дефектов. Предложенный алгоритм состоит из сбора и обработки данных, анализа и разметки, создания статистических моделей и моделей машинного обучения, сравнения их качества и построения моделей прогнозирования.
Данная статья нацелена на определение наиболее эффективной модели машинного обучения для кластеризации данных вибродиагностики. Исследование включает анализ различных моделей и методов, таких как k-means, Agglomerative Clustering, TimeSeriesKMeans и CatBoost. Цель состоит в выборе метода, способного наилучшим образом выявить структуру данных и улучшить понимание особенностей вибрационных сигналов. Результаты исследования могут быть полезны для разработки эффективных систем мониторинга и диагностики оборудования, а также для повышения надежности и производительности технических систем.