An Autocorrelation-based LSTM-Autoencoder for Anomaly Detection on Time-Series Data

Data quality significantly impacts the results of data analytics. Researchers have proposed machine learning based anomaly detection techniques to identify incorrect data. Existing approaches fail to (1) identify the underlying domain constraints violated by the anomalous data, and (2) generate expl...

Celý popis

Podrobná bibliografie

Vydáno v:	2020 IEEE International Conference on Big Data (Big Data) s. 5068 - 5077
Hlavní autoři:	Homayouni, Hajar, Ghosh, Sudipto, Ray, Indrakshi, Gondalia, Shlok, Duggan, Jerry, Kahn, Michael G.
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 10.12.2020
Témata:	Anomaly detection Autocorrelation Big Data Data quality tests Decision trees Explainability LSTM-Autoencoder Manuals NASA Random forests Servers Time series
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!