User: Guest  Login
Original title:
Machine Learning for Anomaly Detection under Constraints 
Translated title:
Maschinelles Lernen für Anomalieerkennung unter Einschränkungen 
Year:
2019 
Document type:
Dissertation 
Institution:
Fakultät für Informatik 
Advisor:
Eckert, Claudia (Prof. Dr.) 
Referee:
Eckert, Claudia (Prof. Dr.); Zarras, Apostolis (Prof. Dr.) 
Language:
en 
Subject group:
DAT Datenverarbeitung, Informatik 
TUM classification:
DAT 460d; DAT 050d 
Abstract:
Anomaly detection systems can be effectively constructed using machine learning methods. However, the baseline methods do not naturally support functionality for scenarios with constraints imposed by the environment and limited resources. Motivated by the lack of such approaches, we investigate scenarios where anomaly detection can be improved for these conditions. We develop and evaluate approaches for solving anomaly detection problems in case of online learning, limited reliability of input d...    »
 
Translated abstract:
Die Konstruktion wirksamer Anomalieerkennungssysteme ist mittels Techniken des maschinellen Lernens möglich. Herkömmliche Methoden sind jedoch für Szenarien mit beschränkten Ressourcen unzureichend. Diese Arbeit beleuchtet daher Erkennungungsansätze, die auch für solche Szenarien geeignet sind. Wir entwickeln und evaluieren Ansätze für Szenarien mit Online-Learning, mit limitierter Zuverlässigkeit von Eingabedaten und Klassifikation, sowie beschränkter Kapazität bei der Datenerhebung. Unsere Ans...    »
 
Oral examination:
13.12.2019 
File size:
4188873 bytes 
Pages:
135 
Last change:
21.02.2020