Hybrid Approaches for Time Series Anomaly Detection

Hußfeldt, Natalie (2026) Hybrid Approaches for Time Series Anomaly Detection. Masterarbeit, Technische Hochschule Köln.

PDF - Nur DLR-intern zugänglich
31MB

elib-URL des Eintrags:

Dokumentart:

Hochschulschrift (Masterarbeit)

Titel:

Hybrid Approaches for Time Series Anomaly Detection

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Hußfeldt, Natalie	Technische Hochschule Köln	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

DLR-Supervisor:

Beitragsart	DLR-Supervisor	Institution oder E-Mail-Adresse	DLR-Supervisor-ORCID-iD
Thesis advisor	Akdag, Hakan	hakan.akdag (at) dlr.de	https://orcid.org/0000-0003-0876-3515

Datum:

2026

Open Access:

Nein

Seitenanzahl:

191

Status:

veröffentlicht

Stichwörter:

Anomaly detection, time series analysis, deep learning, large language models

Institution:

Technische Hochschule Köln

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Raumfahrt

HGF - Programmthema:

Technik für Raumfahrtsysteme

DLR - Schwerpunkt:

Raumfahrt

DLR - Forschungsgebiet:

R SY - Technik für Raumfahrtsysteme

DLR - Teilgebiet (Projekt, Vorhaben):

R - CERES | Computing-Effizienz und -Resilienz für Raumfahrt-Software

Standort:

Köln-Porz

Institute & Einrichtungen:

Hinterlegt von:

Akdag, Dr. Hakan

Hinterlegt am:

09 Mär 2026 13:12

Letzte Änderung:

09 Mär 2026 13:12

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags