:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lourenço, Afonso, Rodrigo, João, Gama, João, Marreiros, Goreti
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2502.17788
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DFDT: Dynamic Fast Decision Tree for IoT Data Stream Mining on Edge Devices
von: Lourenço, Afonso, et al.
Veröffentlicht: (2025)

Bridging Streaming Continual Learning via In-Context Large Tabular Models
von: Lourenço, Afonso, et al.
Veröffentlicht: (2025)

In-context Learning of Evolving Data Streams with Tabular Foundational Models
von: Lourenço, Afonso, et al.
Veröffentlicht: (2025)

Boosting-inspired online learning with transfer for railway maintenance
von: Risca, Diogo, et al.
Veröffentlicht: (2025)

Continual learning for rotating machinery fault diagnosis with cross-domain environmental and operational variations
von: Risca, Diogo, et al.
Veröffentlicht: (2025)

Online hierarchical partitioning of the output space in extreme multi-label data stream
von: Neves, Lara, et al.
Veröffentlicht: (2025)

Explainable Anomaly Detection for Industrial IoT Data Streams
von: Paupério, Ana Rita, et al.
Veröffentlicht: (2025)

Axle Sensor Fusion for Online Continual Wheel Fault Detection in Wayside Railway Monitoring
von: Lourenço, Afonso, et al.
Veröffentlicht: (2026)

Pitfalls of Unlabeled Disagreement-Based Drift Detection in Streaming Tree Ensembles
von: Neves, Lara Sá, et al.
Veröffentlicht: (2026)

Design and implementation of intelligent packet filtering in IoT microcontroller-based devices
von: Bertoli, Gustavo de Carvalho, et al.
Veröffentlicht: (2023)

Towards a more realistic evaluation of machine learning models for bearing fault diagnosis
von: Vieira, João Paulo, et al.
Veröffentlicht: (2025)

Efficient Network Traffic Feature Sets for IoT Intrusion Detection
von: Silva, Miguel, et al.
Veröffentlicht: (2024)

Interpretable Rules for Online Failure Prediction: A Case Study on the Metro do Porto dataset
von: Jakobs, Matthias, et al.
Veröffentlicht: (2025)

Causally-Constrained Probabilistic Forecasting for Time-Series Anomaly Detection
von: Khosravinia, Pooyan, et al.
Veröffentlicht: (2026)

Histogram Approaches for Imbalanced Data Streams Regression
von: Aminian, Ehsan, et al.
Veröffentlicht: (2025)

Lightweight Strategy for XOR PUFs as Security Primitives for Resource-constrained IoT device
von: Li, Gaoxiang, et al.
Veröffentlicht: (2022)

Energy-Efficient Quantized Federated Learning for Resource-constrained IoT devices
von: Compaoré, Wilfrid Sougrinoma, et al.
Veröffentlicht: (2025)

From Data to Action: Exploring AI and IoT-driven Solutions for Smarter Cities
von: Dias, Tiago, et al.
Veröffentlicht: (2023)

Binary Anomaly Detection in Streaming IoT Traffic under Concept Drift
von: Carnier, Rodrigo Matos, et al.
Veröffentlicht: (2025)

Machine learning-based decentralized TDMA for VLC IoT networks
von: Makvandi, Armin, et al.
Veröffentlicht: (2023)

Smart IoT Security: Lightweight Machine Learning Techniques for Multi-Class Attack Detection in IoT Networks
von: Alve, Shahran Rahman, et al.
Veröffentlicht: (2025)

IGADA-IoT: IoT Sensor Energy Optimization in Wireless Sensor Networks Driven by Automatic Data Augmentation
von: Sun, Mingchun, et al.
Veröffentlicht: (2026)

The Role of Deep Learning in Financial Asset Management: A Systematic Review
von: Reis, Pedro, et al.
Veröffentlicht: (2025)

FedMSE: Semi-supervised federated learning approach for IoT network intrusion detection
von: Nguyen, Van Tuan, et al.
Veröffentlicht: (2024)

Super-Resolution Analysis for Landfill Waste Classification
von: Molina, Matias, et al.
Veröffentlicht: (2024)

EdgeMLOps: Operationalizing ML models with Cumulocity IoT and thin-edge.io for Visual quality Inspection
von: Chaturvedi, Kanishk, et al.
Veröffentlicht: (2025)

Unveiling Group-Specific Distributed Concept Drift: A Fairness Imperative in Federated Learning
von: Salazar, Teresa, et al.
Veröffentlicht: (2024)

Data augmentation on-the-fly and active learning in data stream classification
von: Malialis, Kleanthis, et al.
Veröffentlicht: (2022)

A robust methodology for long-term sustainability evaluation of Machine Learning models
von: Paz-Ruza, Jorge, et al.
Veröffentlicht: (2025)

A Neuro-Symbolic Explainer for Rare Events: A Case Study on Predictive Maintenance
von: Gama, João, et al.
Veröffentlicht: (2024)

SunBlock: Cloudless Protection for IoT Systems
von: Safronov, Vadim, et al.
Veröffentlicht: (2024)

PAC learning PDFA from data streams
von: Baumgartner, Robert, et al.
Veröffentlicht: (2026)

Applications of machine learning and IoT for Outdoor Air Pollution Monitoring and Prediction: A Systematic Literature Review
von: Gryech, Ihsane, et al.
Veröffentlicht: (2024)

Benchmarking IoT Time-Series AD with Event-Level Augmentations
von: Zhevnenko, Dmitry, et al.
Veröffentlicht: (2026)

TinyML for Acoustic Anomaly Detection in IoT Sensor Networks
von: Almaini, Amar, et al.
Veröffentlicht: (2026)

Real-Time Adaptive Anomaly Detection in Industrial IoT Environments
von: Raeiszadeh, Mahsa, et al.
Veröffentlicht: (2026)

Evolutionary Machine Learning meets Self-Supervised Learning: a comprehensive survey
von: Vinhas, Adriano, et al.
Veröffentlicht: (2025)

Anomaly Detection for IoT Global Connectivity
von: Iglesias, Jesus Omaña, et al.
Veröffentlicht: (2025)

Machine Learning as a Service (MLaaS) Dataset Generator Framework for IoT Environments
von: Kanneganti, Deepak, et al.
Veröffentlicht: (2026)

Federated Learning-Distillation Alternation for Resource-Constrained IoT
von: da Silva, Rafael Valente, et al.
Veröffentlicht: (2025)