A novel unsupervised method for anomaly detection in time series based on statistical features for industrial predictive maintenance

Jesimar da Silva Arantes, Marcio da Silva Arantes, Herberth Birck Fröhlich, Laure Siret et Renan Bonnard

Article de revue (2021)

Un lien externe est disponible pour ce document

Département:	Département des génies civil, géologique et des mines
URL de PolyPublie:	https://publications.polymtl.ca/49914/
Titre de la revue:	International Journal of Data Science and Analytics (vol. 12, no 4)
Maison d'édition:	Springer
DOI:	10.1007/s41060-021-00283-z
URL officielle:	https://doi.org/10.1007/s41060-021-00283-z
Date du dépôt:	18 avr. 2023 14:59
Dernière modification:	08 avr. 2025 07:17

Citer en APA 7:	da Silva Arantes, J., da Silva Arantes, M., Fröhlich, H. B., Siret, L., & Bonnard, R. (2021). A novel unsupervised method for anomaly detection in time series based on statistical features for industrial predictive maintenance. International Journal of Data Science and Analytics, 12(4), 383-404. https://doi.org/10.1007/s41060-021-00283-z
APA 7 (HTML)ASCII CitationAtomBibTeXDOIsDublin CoreEndNote (.ENW)MARC (ISO 2709/UTF-8) (.MRC)MARC (UTF-8) (.MRK8)MARC XMLMPEG-21 DIDLMultiline CSVOAI-ORE Resource Map (Atom Format)OPENAIREOpenURL ContextObjectOpenURL ContextObject in SpanRDF+N-TriplesRDF+N3RDF+XMLReferReference Manager (.RIS)Simple Metadata

Statistiques

Actions réservées au personnel