Buchumschlag

Towards Transparent and Efficient Anomaly Detection in Industrial Processes through ExIFFI

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Frizzo, Davide, Borsatti, Francesco, Arcudi, Alessio, De Moliner, Antonio, Oboe, Roberto, Susto, Gian Antonio
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Quantile Regression Approach for Remaining Useful Life Estimation with State Space Models
von: Frizzo, Davide, et al.
Veröffentlicht: (2025)

Function Based Isolation Forest (FuBIF): A Unifying Framework for Interpretable Isolation-Based Anomaly Detection
von: Arcudi, Alessio, et al.
Veröffentlicht: (2025)

Towards Continual Visual Anomaly Detection in the Medical Domain
von: Barusco, Manuel, et al.
Veröffentlicht: (2025)

Continual Visual Anomaly Detection on the Edge: Benchmark and Efficient Solutions
von: Barusco, Manuel, et al.
Veröffentlicht: (2026)

Enhancing Interpretability and Generalizability in Extended Isolation Forests
von: Arcudi, Alessio, et al.
Veröffentlicht: (2023)

Towards Scalable IoT Deployment for Visual Anomaly Detection via Efficient Compression
von: Stropeni, Arianna, et al.
Veröffentlicht: (2025)

AdapTS: Lightweight Teacher-Student Approach for Multi-Class and Continual Visual Anomaly Detection
von: Barusco, Manuel, et al.
Veröffentlicht: (2026)

Memory Efficient Continual Learning for Edge-Based Visual Anomaly Detection
von: Barusco, Manuel, et al.
Veröffentlicht: (2025)

PaSTe: Improving the Efficiency of Visual Anomaly Detection at the Edge
von: Barusco, Manuel, et al.
Veröffentlicht: (2024)

Evaluating Modern Visual Anomaly Detection Approaches in Semiconductor Manufacturing: A Comparative Study
von: Barusco, Manuel, et al.
Veröffentlicht: (2025)

Explainable Visual Anomaly Detection via Concept Bottleneck Models
von: Stropeni, Arianna, et al.
Veröffentlicht: (2025)

From Vision to Sound: Advancing Audio Anomaly Detection with Vision-Based Algorithms
von: Barusco, Manuel, et al.
Veröffentlicht: (2025)

VAD4Space: Visual Anomaly Detection for Planetary Surface Imagery
von: Genilotti, Fabrizio, et al.
Veröffentlicht: (2026)

MIRAGE: Model-agnostic Industrial Realistic Anomaly Generation and Evaluation for Visual Anomaly Detection
von: Hu, Jinwei, et al.
Veröffentlicht: (2026)

Efficient Visual Anomaly Detection at the Edge: Enabling Real-Time Industrial Inspection on Resource-Constrained Devices
von: Stropeni, Arianna, et al.
Veröffentlicht: (2026)

AD4AD: Benchmarking Visual Anomaly Detection Models for Safer Autonomous Driving
von: Genilotti, Fabrizio, et al.
Veröffentlicht: (2026)

MoViAD: A Modular Library for Visual Anomaly Detection
von: Barusco, Manuel, et al.
Veröffentlicht: (2025)

Towards Explainable Anomaly Detection in Shared Mobility Systems
von: Isgandarov, Elnur, et al.
Veröffentlicht: (2025)

Enabling Efficient and Flexible Interpretability of Data-driven Anomaly Detection in Industrial Processes with AcME-AD
von: Zaccaria, Valentina, et al.
Veröffentlicht: (2024)

Multi-layer Abstraction for Nested Generation of Options (MANGO) in Hierarchical Reinforcement Learning
von: Arcudi, Alessio, et al.
Veröffentlicht: (2025)

Towards Batch-to-Streaming Deep Reinforcement Learning for Continuous Control
von: De Monte, Riccardo, et al.
Veröffentlicht: (2026)

Advancing Constrained Monotonic Neural Networks: Achieving Universal Approximation Beyond Bounded Activations
von: Sartor, Davide, et al.
Veröffentlicht: (2025)

Deep Learning for Virtual Reality User Identification: A Benchmark
von: Frizzo, Davide, et al.
Veröffentlicht: (2026)

Towards Model-Free Learning in Dynamic Population Games: An Application to Karma Economies
von: Cederle, Matteo, et al.
Veröffentlicht: (2026)

Continual Learning Approaches for Anomaly Detection
von: Pezze, Davide Dalle, et al.
Veröffentlicht: (2022)

Simple and Effective Specialized Representations for Fair Classifiers
von: Sinigaglia, Alberto, et al.
Veröffentlicht: (2025)

Explainable Anomaly Detection for Electric Vehicles Charging Stations
von: Cederle, Matteo, et al.
Veröffentlicht: (2025)

Latent Distillation for Continual Object Detection at the Edge
von: Pasti, Francesco, et al.
Veröffentlicht: (2024)

Replay Consolidation with Label Propagation for Continual Object Detection
von: De Monte, Riccardo, et al.
Veröffentlicht: (2024)

Towards Fair and Efficient allocation of Mobility-on-Demand resources through a Karma Economy
von: Cederle, Matteo, et al.
Veröffentlicht: (2025)

Towards Autonomous Commissioning of Industrial Drives via Multi-Objective Bayesian Optimization
von: Petrovic, David, et al.
Veröffentlicht: (2026)

A Distributed Approach to Autonomous Intersection Management via Multi-Agent Reinforcement Learning
von: Cederle, Matteo, et al.
Veröffentlicht: (2024)

Multi-Label Continual Learning for the Medical Domain: A Novel Benchmark
von: Ceccon, Marina, et al.
Veröffentlicht: (2024)

Unveiling the Anomalies in an Ever-Changing World: A Benchmark for Pixel-Level Anomaly Detection in Continual Learning
von: Bugarin, Nikola, et al.
Veröffentlicht: (2024)

Fairness Evolution in Continual Learning for Medical Imaging
von: Ceccon, Marina, et al.
Veröffentlicht: (2024)

Teach YOLO to Remember: A Self-Distillation Approach for Continual Object Detection
von: De Monte, Riccardo, et al.
Veröffentlicht: (2025)

AcME-AD: Accelerated Model Explanations for Anomaly Detection
von: Zaccaria, Valentina, et al.
Veröffentlicht: (2024)

Edge Delayed Deep Deterministic Policy Gradient: efficient continuous control for edge scenarios
von: Sinigaglia, Alberto, et al.
Veröffentlicht: (2024)

TiROD: Tiny Robotics Dataset and Benchmark for Continual Object Detection
von: Pasti, Francesco, et al.
Veröffentlicht: (2024)

Towards Efficient Pixel Labeling for Industrial Anomaly Detection and Localization
von: Wu, Jingqi, et al.
Veröffentlicht: (2025)