Zobrazeno 1 - 9
of 9
pro vyhledávání: '"Guggilam, Sreelekha"'
Artificial neural networks (ANNs) require tremendous amount of data to train on. However, in classification models, most data features are often similar which can lead to increase in training time without significant improvement in the performance. T
Externí odkaz:
http://arxiv.org/abs/2303.00954
Most current anomaly detection methods suffer from the curse of dimensionality when dealing with high-dimensional data. We propose an anomaly detection algorithm that can scale to high-dimensional data using concepts from the theory of large deviatio
Externí odkaz:
http://arxiv.org/abs/2109.13698
Autor:
Mohan, Mood, Gugulothu, Nikhitha, Guggilam, Sreelekha, Rajitha Rajeshwar, T., Kidder, Michelle K., Smith, Jeremy C.
Publikováno v:
In Green Chemical Engineering November 2024
Publikováno v:
In Journal of Computational Science September 2023 72
Publikováno v:
ICCS 2019. Lecture Notes in Computer Science, vol 11539. Springer, Cham
Most current clustering based anomaly detection methods use scoring schema and thresholds to classify anomalies. These methods are often tailored to target specific data sets with "known" number of clusters. The paper provides a streaming clustering
Externí odkaz:
http://arxiv.org/abs/1911.00184
Data-driven anomaly detection methods typically build a model for the normal behavior of the target system, and score each data instance with respect to this model. A threshold is invariably needed to identify data instances with high (or low) scores
Externí odkaz:
http://arxiv.org/abs/1905.12150
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Guggilam, Sreelekha1 (AUTHOR) sreelekh@buffalo.edu, Chandola, Varun1,2 (AUTHOR), Patra, Abani1,3 (AUTHOR)
Publikováno v:
Statistical Analysis & Data Mining. Apr2022, Vol. 15 Issue 2, p156-178. 23p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.