ALGAN: Anomaly Detection by Generating Pseudo Anomalous Data via Latent Variables

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE Access Ročník 10; s. 44259 - 44270
Hlavní autoři:	Hironori Murase, Kenji Fukumizu
Médium:	Journal Article
Jazyk:	japonština
Vydáno:	Institute of Electrical and Electronics Engineers (IEEE) 01.01.2022
Témata:	Anomaly detection Computer Science - Computer Vision and Pattern Recognition Computer Science - Machine Learning computer vision Computer Vision and Pattern Recognition (cs.CV) deep learning Electrical engineering. Electronics. Nuclear engineering FOS: Computer and information sciences generative adversarial networks machine learning Machine Learning (cs.LG) TK1-9971
ISSN:	2169-3536
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Popis
ISSN:	2169-3536
DOI:	10.1109/access.2022.3169594