A new interpretable unsupervised anomaly detection method based on residual explanation (2022)
- Authors:
- USP affiliated authors: ALMEIDA JUNIOR, JORGE RADY DE - EP ; CUGNASCA, PAULO SERGIO - EP ; CAMARGO JÚNIOR, JOÃO BATISTA - EP ; OLIVEIRA, DAVID FERNANDES NEVES - EP ; VISMARI, LÚCIO FLAVIO - EP ; NASCIMENTO, ALEXANDRE MOREIRA - EP
- Unidade: EP
- DOI: 10.1109/ACCESS.2021.3137633
- Subjects: APRENDIZAGEM PROFUNDA; FALHA; TOMADA DE DECISÃO
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Publisher place: Piscataway
- Date published: 2022
- Source:
- Título: IEEE Access
- ISSN: 2169-3536
- Volume/Número/Paginação/Ano: v. 10, p. 1401-1409, 2022
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
OLIVEIRA, David Fernandes Neves et al. A new interpretable unsupervised anomaly detection method based on residual explanation. IEEE Access, v. 10, p. 1401-1409, 2022Tradução . . Disponível em: https://doi.org/10.1109/ACCESS.2021.3137633. Acesso em: 15 abr. 2026. -
APA
Oliveira, D. F. N., Vismari, L. F., Nascimento, A. M., Almeida Junior, J. R. de, Cugnasca, P. S., Camargo Júnior, J. B., et al. (2022). A new interpretable unsupervised anomaly detection method based on residual explanation. IEEE Access, 10, 1401-1409. doi:10.1109/ACCESS.2021.3137633 -
NLM
Oliveira DFN, Vismari LF, Nascimento AM, Almeida Junior JR de, Cugnasca PS, Camargo Júnior JB, Almeida L de, Gripp R, Neves M. A new interpretable unsupervised anomaly detection method based on residual explanation [Internet]. IEEE Access. 2022 ; 10 1401-1409.[citado 2026 abr. 15 ] Available from: https://doi.org/10.1109/ACCESS.2021.3137633 -
Vancouver
Oliveira DFN, Vismari LF, Nascimento AM, Almeida Junior JR de, Cugnasca PS, Camargo Júnior JB, Almeida L de, Gripp R, Neves M. A new interpretable unsupervised anomaly detection method based on residual explanation [Internet]. IEEE Access. 2022 ; 10 1401-1409.[citado 2026 abr. 15 ] Available from: https://doi.org/10.1109/ACCESS.2021.3137633 - Evaluating unsupervised anomaly detection models to detect faults in heavy haul railway operations
- A cost-sensitive approach to enhance the use of ML classifiers in software testing efforts
- Desafios da avaliação continuada em um curso de engenharia
- The role of virtual reality in autonomous vehicles' safety
- A systematic literature review about the impact of artificial intelligence on autonomous vehicle safety
- Guidelines for the Integration of Autonomous UAS into the Global ATM
- A Practical Analytical Approach to Increase Confidence in Software Safety Arguments
- Diretrizes para certificação de veículos aéreos não tripulados (vant) para uso no espaço aéreo brasileiro
- A experiência do paradigma da aprendizagem em um curso de Engenharia
- Análise de disponibilidade de subestações de alta tensão considerando seus principais equipamentos
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
A_New_Interpretable_Unsup... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
