Copertina

On Using Machine Learning to Early Detect Catastrophic Failures in Marine Diesel Engines

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Maione, Francesco, Lino, Paolo, Giannino, Giuseppe, Maione, Guido
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

$H$-convergence for equations depending on monotone operators in Carnot groups
di: Maione, Alberto
Pubblicazione: (2019)

Fractional Sobolev spaces via interpolation, and applications to mixed local-nonlocal operators
di: Maione, Alberto
Pubblicazione: (2025)

Catastrophic Failure of LLM Unlearning via Quantization
di: Zhang, Zhiwei, et al.
Pubblicazione: (2024)

The automotive recall data search and its analysis applying machine learning
di: Bruno Fernandes Maione
Pubblicazione: (2023)

How to Leverage Predictive Uncertainty Estimates for Reducing Catastrophic Forgetting in Online Continual Learning
di: Serra, Giuseppe, et al.
Pubblicazione: (2024)

Failure Detection in Chemical Processes Using Symbolic Machine Learning: A Case Study on Ethylene Oxidation
di: Amblard, Julien, et al.
Pubblicazione: (2026)

Ordem e Justiça na Sociedade Internacional pós-11 de Setembro
di: Emerson Maione de Souza
Pubblicazione: (2009)

Early Detection of Coronary Heart Disease Using Hybrid Quantum Machine Learning Approach
di: Banday, Mehroush, et al.
Pubblicazione: (2024)

Interpretable Early Failure Detection via Machine Learning and Trace Checking-based Monitoring
di: Brunello, Andrea, et al.
Pubblicazione: (2025)

Incorporating Failure of Machine Learning in Dynamic Probabilistic Safety Assurance
di: Arshadizadeh, Razieh, et al.
Pubblicazione: (2025)

Dependable Distributed Training of Compressed Machine Learning Models
di: Malandrino, Francesco, et al.
Pubblicazione: (2024)

Artificial Intelligence-Enabled Spirometry for Early Detection of Right Heart Failure
di: Liu, Bin, et al.
Pubblicazione: (2025)

Quantifying Catastrophic Forgetting in IoT Intrusion Detection Systems
di: Banerjee, Sourasekhar, et al.
Pubblicazione: (2026)

Enhancing the Detection of Coronary Artery Disease Using Machine Learning
di: Singh, Karan Kumar, et al.
Pubblicazione: (2026)

Sequencing to Mitigate Catastrophic Forgetting in Continual Learning
di: Moussa, Hesham G., et al.
Pubblicazione: (2025)

Avoiding Catastrophe in Online Learning by Asking for Help
di: Plaut, Benjamin, et al.
Pubblicazione: (2024)

Assessing the Feasibility of Early Cancer Detection Using Routine Laboratory Data: An Evaluation of Machine Learning Approaches on an Imbalanced Dataset
di: Li, Shumin
Pubblicazione: (2025)

Early Risk Stratification of Dosing Errors in Clinical Trials Using Machine Learning
di: Hêche, Félicien, et al.
Pubblicazione: (2026)

Can We Detect Failures Without Failure Data? Uncertainty-Aware Runtime Failure Detection for Imitation Learning Policies
di: Xu, Chen, et al.
Pubblicazione: (2025)

Addressing Loss of Plasticity and Catastrophic Forgetting in Continual Learning
di: Elsayed, Mohamed, et al.
Pubblicazione: (2024)

On the Implicit Adversariality of Catastrophic Forgetting in Deep Continual Learning
di: Peng, Ze, et al.
Pubblicazione: (2025)

Consequentialist Objectives and Catastrophe
di: Marklund, Henrik, et al.
Pubblicazione: (2026)

Leveraging Machine Learning for Early Autism Detection via INDT-ASD Indian Database
di: Shrivastava, Trapti, et al.
Pubblicazione: (2024)

Leveraging Gene Expression Data and Explainable Machine Learning for Enhanced Early Detection of Type 2 Diabetes
di: Roy, Aurora Lithe, et al.
Pubblicazione: (2024)

Stonefish: Supporting Machine Learning Research in Marine Robotics
di: Grimaldi, Michele, et al.
Pubblicazione: (2025)

Leveraging Machine Learning for Early Detection of Lung Diseases
di: Rahmani, Bahareh, et al.
Pubblicazione: (2025)

Early Detection of Pancreatic Cancer Using Multimodal Learning on Electronic Health Records
di: Aouad, Mosbah, et al.
Pubblicazione: (2025)

Natural Mitigation of Catastrophic Interference: Continual Learning in Power-Law Learning Environments
di: Gandhi, Atith, et al.
Pubblicazione: (2024)

CORE: Mitigating Catastrophic Forgetting in Continual Learning through Cognitive Replay
di: Zhang, Jianshu, et al.
Pubblicazione: (2024)

Failure Ontology: A Lifelong Learning Framework for Blind Spot Detection and Resilience Design
di: Sun, Yuan, et al.
Pubblicazione: (2026)

MicroFlow: An Efficient Rust-Based Inference Engine for TinyML
di: Carnelos, Matteo, et al.
Pubblicazione: (2024)

A Guide to Failure in Machine Learning: Reliability and Robustness from Foundations to Practice
di: Heim, Eric, et al.
Pubblicazione: (2025)

Continual Learning and Catastrophic Forgetting
di: van de Ven, Gido M., et al.
Pubblicazione: (2024)

Comparative Performance of Machine Learning Algorithms for Early Genetic Disorder and Subclass Classification
di: Siddik, Abu Bakar, et al.
Pubblicazione: (2024)

Catastrophic Forgetting in Kolmogorov-Arnold Networks
di: Rahman, Mohammad Marufur, et al.
Pubblicazione: (2025)

Artificial Intelligence: Arguments for Catastrophic Risk
di: Bales, Adam, et al.
Pubblicazione: (2024)

Variational convergences under moving anisotropies
di: Maione, Alberto, et al.
Pubblicazione: (2025)

$H$-compactness for nonlocal linear operators in fractional divergence form
di: Caponi, Maicol, et al.
Pubblicazione: (2024)

Remission of Acromegaly: The Sooner the Better
di: Thomas Cuny, et al.
Pubblicazione: (2024)

Addressing the Gaps in Early Dementia Detection: A Path Towards Enhanced Diagnostic Models through Machine Learning
di: Moya, Juan A. Berrios
Pubblicazione: (2024)