Semi-Supervised Anomaly Detection in the TinyML Domain Through Multi-Target Few-Shot Domain Adaptation

Export metadata

Metadaten
Author:Johannes KühnelORCiD, Timo Eißmann, Christian Wiede, Dorothea SchwungORCiDGND, Anton GrabmaierORCiDGND
Qualitätssicherung:peer reviewed
Fachbereich/Einrichtung:Hochschule Düsseldorf / Fachbereich - Elektro- & Informationstechnik
Document Type:Conference Proceeding
Year of Completion:2024
Language of Publication:English
Publisher:IEEE
Parent Title (English):2024 IEEE 29th International Conference on Emerging Technologies and Factory Automation (ETFA)
Volume:133
Page Number:8
DOI:https://doi.org/10.1109/ETFA61755.2024.10710811
GND Keyword:Maschinelles LernenGND; Intelligente FertigungGND; AutomationGND; SensortechnikGND; AnomalieerkennungGND
Dewey Decimal Classification:0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 006 Spezielle Computerverfahren
6 Technik, Medizin, angewandte Wissenschaften / 62 Ingenieurwissenschaften / 620 Ingenieurwissenschaften und zugeordnete Tätigkeiten
Licence (German):keine Lizenz - nur Metadaten
Release Date:2025/07/10
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.