Spatio-Temporal Modeling and Meta-Learning for Industrial Monitoring From Unsupervised Anomaly Detection to Few-Shot Fault Diagnosis
-
- Englisch ausgewählt
146,99 €
inkl. gesetzl. MwSt.,
Beschreibung
Produktdetails
Einband
Gebundene Ausgabe
Erscheinungsdatum
29.10.2026
Abbildungen
XVI, 175 p. 49 illus., 47 illus. in color.
Verlag
Springer SingaporeSeitenzahl
175
Maße (B/H)
15,5/23,5 cm
Sprache
Englisch
ISBN
978-981-9238-25-5
This book presents data-driven methods for unsupervised anomaly detection and few-shot fault diagnosis in complex industrial processes. It is intended for graduate students, academic researchers, and practicing engineers in industrial engineering, automation, and intelligent manufacturing. Complex industrial processes often exhibit strong multivariable coupling, nonlinear dynamics, and long-term temporal dependencies. These characteristics make traditional model-based and rule-based monitoring approaches difficult to apply, particularly when accurate physical models are unavailable and labeled fault data are limited. To address these challenges, the book focuses on two closely related topics: multivariate time-series modeling for unsupervised anomaly detection and meta-learning for few-shot fault diagnosis. The proposed methods are developed for industrial monitoring scenarios and aim to support reliable anomaly detection and intelligent fault diagnosis.
Noch keine Bewertungen vorhanden
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.
Kurze Frage zu unserer Seite
Vielen Dank für Ihr Feedback
Wir nutzen Ihr Feedback, um unsere Produktseiten zu verbessern. Bitte haben Sie Verständnis, dass wir Ihnen keine Rückmeldung geben können. Falls Sie Kontakt mit uns aufnehmen möchten, können Sie sich aber gerne an unseren Kund*innenservice wenden.
zum Kundenservice