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, Renan Bonnard

Article de revue (2021)

Accéder à ce document
Lien externe
Ce document n'est pas archivé dans PolyPublie, mais peut être consulté chez l'éditeur officiel
Adresse URL de PolyPublie:
Titre de la revue :
International Journal of Data Science and Analytics ( vol. 12 , no 4 )
Maison d'édition:
Springer
OAI:
oai:publications.polymtl.ca:49914
ORCID
Date du dépôt:
18 avr. 2023 14:59
Dernière modification:
14 oct. 2026 14:05
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

Statistiques

Dimensions

Actions réservées au personnel

Afficher document
Afficher document