$${\mathrm Latent}}Out}$$ Latent O u t : an unsupervised deep anomaly detection approach exploiting latent space distribution

Angaben zum Objekt

• Standort: Deutsche Nationalbibliothek Frankfurt am Main
• ISSN: 1573-0565
• Umfang: Online-Ressource
• Sprache: Englisch
• Anmerkungen: online resource.

Verweise und Beziehungen

• Erschienen in: $${\mathrm Latent}}Out}$$ Latent O u t : an unsupervised deep anomaly detection approach exploiting latent space distribution ; day:24 ; month:5 ; year:2022 ; pages:1-27 ; Machine learning ; (24.5.2022), 1-27

Beteiligte, Orts- und Zeitangaben

• Urheber: Angiulli, Fabrizio ; Fassetti, Fabio ; Ferragina, Luca
• Beteiligte Personen und Organisationen: SpringerLink (Online service)

Weitere Informationen

• DOI: 10.1007/s10994-022-06153-4
• URN: urn:nbn:de:101:1-2022072721584802813047
• Rechteinformation: Open Access; Der Zugriff auf das Objekt ist unbeschränkt möglich.
• Letzte Aktualisierung: 15.08.2025, 07:21 MESZ