:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Moghadam, Mahshid Helali, Rzymowski, Mateusz, Kulas, Lukasz
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2401.00112
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Alleviating Attack Data Scarcity: SCANIA's Experience Towards Enhancing In-Vehicle Cyber Security Measures
von: Sundfeldt, Frida, et al.
Veröffentlicht: (2025)

Aerial Maritime Vessel Detection and Identification
von: Kulas, Antonella Barisic, et al.
Veröffentlicht: (2025)

Federated Learning for Anomaly Detection in Maritime Movement Data
von: Graser, Anita, et al.
Veröffentlicht: (2025)

ConceptCaps: a Distilled Concept Dataset for Interpretability in Music Models
von: Sienkiewicz, Bruno, et al.
Veröffentlicht: (2026)

A Transfer Learning Framework for Anomaly Detection in Multivariate IoT Traffic Data
von: Rezakhani, Mahshid, et al.
Veröffentlicht: (2025)

Knowledge-Augmented Explainable and Interpretable Learning for Anomaly Detection and Diagnosis
von: Atzmueller, Martin, et al.
Veröffentlicht: (2024)

Vessel Re-identification and Activity Detection in Thermal Domain for Maritime Surveillance
von: Ginige, Yasod, et al.
Veröffentlicht: (2024)

Interpretable Maximum Margin Deep Anomaly Detection
von: Yang, Zhiji, et al.
Veröffentlicht: (2026)

A Novel Evaluation Metric for Unsupervised Learning in AIS-Based Maritime Anomaly Detection: MADQI
von: Gocer, Ismet, et al.
Veröffentlicht: (2026)

Acoustic Classification of Maritime Vessels using Learnable Filterbanks
von: Elsborg, Jonas, et al.
Veröffentlicht: (2025)

Retrieval Augmented Deep Anomaly Detection for Tabular Data
von: Thimonier, Hugo, et al.
Veröffentlicht: (2024)

Spatio-Temporal Graphs Beyond Grids: Benchmark for Maritime Anomaly Detection
von: Kim, Jeehong, et al.
Veröffentlicht: (2025)

Impact of Recurrent Neural Networks and Deep Learning Frameworks on Real-time Lightweight Time Series Anomaly Detection
von: Lee, Ming-Chang, et al.
Veröffentlicht: (2024)

LLM-based Property-based Test Generation for Guardrailing Cyber-Physical Systems
von: Etemadi, Khashayar, et al.
Veröffentlicht: (2025)

tsGT: Stochastic Time Series Modeling With Transformer
von: Kuciński, Łukasz, et al.
Veröffentlicht: (2024)

Adaptive Sparsified Graph Learning Framework for Vessel Behavior Anomalies
von: Kim, Jeehong, et al.
Veröffentlicht: (2025)

Advancing Welding Defect Detection in Maritime Operations via Adapt-WeldNet and Defect Detection Interpretability Analysis
von: S, Kamal Basha, et al.
Veröffentlicht: (2025)

TADA! Tuning Audio Diffusion Models through Activation Steering
von: Staniszewski, Łukasz, et al.
Veröffentlicht: (2026)

Multivariate Time Series Anomaly Detection in Industry 5.0
von: Colombi, Lorenzo, et al.
Veröffentlicht: (2025)

Open Challenges in Time Series Anomaly Detection: An Industry Perspective
von: Mueller, Andreas
Veröffentlicht: (2025)

AnomalyAID: Reliable Interpretation for Semi-supervised Network Anomaly Detection
von: Yuan, Yachao, et al.
Veröffentlicht: (2024)

A Comparison of Deep Learning Architectures for Spacecraft Anomaly Detection
von: Lakey, Daniel, et al.
Veröffentlicht: (2024)

Deep Learning Advancements in Anomaly Detection: A Comprehensive Survey
von: Huang, Haoqi, et al.
Veröffentlicht: (2025)

Benchmarking Anomaly Detection Algorithms: Deep Learning and Beyond
von: Mehta, Shanay, et al.
Veröffentlicht: (2024)

HOTSPOT-YOLO: A Lightweight Deep Learning Attention-Driven Model for Detecting Thermal Anomalies in Drone-Based Solar Photovoltaic Inspections
von: Dhimish, Mahmoud
Veröffentlicht: (2025)

Enhancing ECG Classification Robustness with Lightweight Unsupervised Anomaly Detection Filters
von: Ibrahim, Mustafa Fuad Rifet, et al.
Veröffentlicht: (2025)

LiteInception: A Lightweight and Interpretable Deep Learning Framework for General Aviation Fault Diagnosis
von: Wei, Zhihuan, et al.
Veröffentlicht: (2026)

Multi-Agent Reinforcement Learning for Maritime Operational Technology Cyber Security
von: Wilson, Alec, et al.
Veröffentlicht: (2024)

A Novel Evaluation Metric for Unsupervised Learning in AIS-Based Maritime Anomaly Detection: MADQI - Dataset and Python Code
von: Gocer, Ismet
Veröffentlicht: (2026)

AIS-LLM: A Unified Framework for Maritime Trajectory Prediction, Anomaly Detection, and Collision Risk Assessment with Explainable Forecasting
von: Park, Hyobin, et al.
Veröffentlicht: (2025)

Deep Learning for Time Series Anomaly Detection: A Survey
von: Darban, Zahra Zamanzadeh, et al.
Veröffentlicht: (2022)

A Deep Learning Approach to Anomaly Detection in High-Frequency Trading Data
von: Bao, Qiuliuyang, et al.
Veröffentlicht: (2025)

Sea-cret Agents: Maritime Abduction for Region Generation to Expose Dark Vessel Trajectories
von: Bavikadi, Divyagna, et al.
Veröffentlicht: (2025)

Trajectory Guard -- A Lightweight, Sequence-Aware Model for Real-Time Anomaly Detection in Agentic AI
von: Advani, Laksh
Veröffentlicht: (2026)

PatchAD: A Lightweight Patch-based MLP-Mixer for Time Series Anomaly Detection
von: Zhong, Zhijie, et al.
Veröffentlicht: (2024)

Deep Learning Approach to Anomaly Detection in Enterprise ETL Processes with Autoencoders
von: Chen, Xin, et al.
Veröffentlicht: (2025)

Cross-Modal Deep Metric Learning for Time Series Anomaly Detection
von: Li, Wei, et al.
Veröffentlicht: (2025)

MSAD: A Deep Dive into Model Selection for Time series Anomaly Detection
von: Sylligardos, Emmanouil, et al.
Veröffentlicht: (2025)

DEM: A Distilled Explanation Model for Interpretable Anomaly Detection in Physiological Sensor Networks
von: Singh, Jyotirmoy, et al.
Veröffentlicht: (2026)

A Deep Learning Framework for Evaluating Dynamic Network Generative Models and Anomaly Detection
von: Rashnu, Alireza, et al.
Veröffentlicht: (2024)