A statistical framework for labeling unlabelled data: a case study on anomaly detection in pressurization systems for high-speed railway trains / De Santis, Enrico; Arnò, Francesco; Martino, Alessio; Rizzi, Antonello. - 2022 International Joint Conference on Neural Networks (IJCNN), (2022), pp. 1-8. (2022 International Joint Conference on Neural Networks (IJCNN), Padua, Italy, 18-23 July 2022). [10.1109/IJCNN55064.2022.9892880].

A statistical framework for labeling unlabelled data: a case study on anomaly detection in pressurization systems for high-speed railway trains

Martino, Alessio;
2022

File in questo prodotto:
File Dimensione Formato  
A_statistical_framework_for_labeling_unlabelled_data_a_case_study_on_anomaly_detection_in_pressurization_systems_for_high-speed_railway_trains.pdf

Solo gestori archivio

Tipologia: Versione dell'editore
Licenza: Tutti i diritti riservati
Dimensione 695.06 kB
Formato Adobe PDF
695.06 kB Adobe PDF   Visualizza/Apri
Pubblicazioni consigliate

Caricamento pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11385/221459
Citazioni
  • Scopus 1
  • ???jsp.display-item.citation.isi??? ND
social impact