Data Quality Monitoring Anomaly Detection - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Chapitre D'ouvrage Année : 2022

Data Quality Monitoring Anomaly Detection

Domaines

Apprentissage [cs.LG] Intelligence artificielle [cs.AI] Physique des Hautes Energies - Expérience [hep-ex]
Fichier principal
Vignette du fichier
IJMPA_Book__New_Version_.pdf (3.78 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Cecile Germain  : Connectez-vous pour contacter le contributeur

https://inria.hal.science/hal-03159873

Soumis le : samedi 6 mars 2021-13:59:33

Dernière modification le : vendredi 24 mars 2023-14:53:21

Archivage à long terme le : lundi 7 juin 2021-18:01:32

Télécharger pour visualiser

Dates et versions

hal-03159873 , version 1 (06-03-2021)

Identifiants

Citer

Adrian Alan Pol, Gianluca Cerminara, Cécile Germain, Maurizio Pierini. Data Quality Monitoring Anomaly Detection. Artificial Intelligence for High Energy Physics, World Scientific, 2022, ⟨10.1142/9789811234033_0004⟩. ⟨hal-03159873⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

CNRS INRIA CENTRALESUPELEC INRIA2 LRI-AO UNIV-PARIS-SACLAY LISN GS-ENGINEERING GS-COMPUTER-SCIENCE LISN-AO
80 Consultations
968 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More