Miori V., Belli D., Bacco F. M., Baronti P., Barsocchi P., Crivello A., Furfari F., Girolami M., La Rosa D., Mavilia F., Palumbo F., Pillitteri L., Potortì F., Russo D.
Machine learning Anomaly detection Multivariate timeseries
Il deliverable ha come obiettivo la definizione di un percorso intraprendibile per lo sviluppo di un modello predittivo, efficace ed efficiente, basato sul paradigma machine learning, sviluppato in funzione del dominio applicativo in esame e dei dati a disposizione. Una parte verrà dedicata all'introduzione degli aspetti principali legati alle strategie di individuazione di anomalie in serie temporali multi-variate tramite il suddetto modello predittivo.
Source: ISTI Project Report, ChAALenge, D5.2, 2022
@techreport{oai:it.cnr:prodotti:483032, title = {ChAALenge D5.2 - Documento di definizione degli algoritmi di Machine Learning e Deep Learning}, author = {Miori V. and Belli D. and Bacco F. M. and Baronti P. and Barsocchi P. and Crivello A. and Furfari F. and Girolami M. and La Rosa D. and Mavilia F. and Palumbo F. and Pillitteri L. and Potortì F. and Russo D.}, institution = {ISTI Project Report, ChAALenge, D5.2, 2022}, year = {2022} }
Bacco, Felice Manlio0000-0001-6733-1873
Baronti, Paolo0000-0002-6906-899X
Barsocchi, Paolo0000-0002-6862-7593
Belli, Dimitri0000-0003-1491-6450
Crivello, Antonino0000-0001-7238-2181
Furfari, Francesco0000-0002-4957-828X
Girolami, Michele0000-0002-3683-7158
La Rosa, Davide0000-0001-8424-0762
Mavilia, Fabio0000-0002-6982-242X
Miori, Vittorio0000-0003-3536-283X
Palumbo, Filippo0000-0001-9778-7142
Pillitteri, Loredana0000-0001-6715-2613
Potortì, Francesco0000-0003-3835-3920
Russo, Dario0000-0003-3409-6189