Leveraging Causal Information for Multivariate Timeseries Anomaly Detection

Heppel, Lukas und Gerhardus, Andreas und Rewicki, Ferdinand und Deeken, Jan C. und Waxenegger-Wilfing, Günther (2024) Leveraging Causal Information for Multivariate Timeseries Anomaly Detection. In: 35th International Conference on Principles of Diagnosis and Resilient Systems (DX 2024). 35th International Conference on Principles of Diagnosis and Resilient Systems (DX 2024), 2024-11-04 - 2024-11-07, Wien, Österreich.

PDF
719kB

Offizielle URL: https://conf.researchr.org/home/dx-2024

elib-URL des Eintrags:

https://elib.dlr.de/221026/

Dokumentart:

Konferenzbeitrag (Vortrag)

Titel:

Leveraging Causal Information for Multivariate Timeseries Anomaly Detection

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Heppel, Lukas	lukas.heppel (at) dlr.de	https://orcid.org/0009-0005-3851-2102	201637395
Gerhardus, Andreas	Andreas.Gerhardus (at) dlr.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Rewicki, Ferdinand	ferdinand.rewicki (at) dlr.de	https://orcid.org/0000-0003-2264-9495	201637396
Deeken, Jan C.	Jan.Deeken (at) dlr.de	https://orcid.org/0000-0002-5714-8845	NICHT SPEZIFIZIERT
Waxenegger-Wilfing, Günther	Guenther.Waxenegger (at) dlr.de	https://orcid.org/0000-0001-5381-6431	NICHT SPEZIFIZIERT

Datum:

2024

Erschienen in:

35th International Conference on Principles of Diagnosis and Resilient Systems (DX 2024)

Referierte Publikation:

Open Access:

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

Status:

veröffentlicht

Stichwörter:

Anomaly Detection, Causal Discovery, Multivariate Timeseries

Veranstaltungstitel:

35th International Conference on Principles of Diagnosis and Resilient Systems (DX 2024)

Veranstaltungsort:

Wien, Österreich

Veranstaltungsart:

internationale Konferenz

Veranstaltungsbeginn:

4 November 2024

Veranstaltungsende:

7 November 2024

HGF - Forschungsbereich:

keine Zuordnung

HGF - Programm:

keine Zuordnung

HGF - Programmthema:

keine Zuordnung

DLR - Schwerpunkt:

Digitalisierung

DLR - Forschungsgebiet:

D KIZ - Künstliche Intelligenz

DLR - Teilgebiet (Projekt, Vorhaben):

D - CausalAnomalies, R - Wiederverwendbare Raumfahrtsysteme und Antriebstechnologie

Standort:

Lampoldshausen

Institute & Einrichtungen:

Institut für Datenwissenschaften > Datenanalyse und -intelligenz
Institut für Raumfahrtantriebe > Raketenantriebssysteme

Hinterlegt von:

Waxenegger-Wilfing, Günther

Hinterlegt am:

07 Jan 2026 06:46

Letzte Änderung:

07 Jan 2026 06:47

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags