Datensatz Zitierlink: 
http://hdl.handle.net/20.500.12708/190530
-
Titel: 
Explainable outlier identification for matrix-valued observations
en
Zitat: 
Filzmoser, P., Mayrhofer, M., Radojicic, U., & Lewitschnig, H. (2023). Explainable outlier identification for matrix-valued observations. In Book of Abstracts : International Conference on Data Science : ICDS 2023 : Multidimensional Perspectives: From Statistical Learning to Data Science Applications (pp. 13–13).
-
Publikationstyp: 
Konferenzbeitrag - Beitrag in einem Abstract Book
de
Sprache: 
Englisch
-
Autor_innen: 
Filzmoser, Peter 
Mayrhofer, Marcus 
Radojicic, Una 
Lewitschnig, Horst 
-
Organisations­einheit: 
E105-06 - Forschungsbereich Computational Statistics 
-
Erschienen in: 
Book of Abstracts : International Conference on Data Science : ICDS 2023 : Multidimensional Perspectives: From Statistical Learning to Data Science Applications 
-
Datum (veröffentlicht): 
8-Nov-2023
-
Veranstaltungs­name: 
International Conference on Data Science ICDS 2023 
en
Veranstaltungs­zeitraum: 
8-Nov-2023 - 10-Nov-2023
-
Veranstaltungs­ort: 
Santiago de Chile, Chile
-
Umfang: 
1
-
Keywords: 
robust statistics; outlier detection; explainable AI
en
Projekttitel: 
Automotive Intelligence for/at Connected Shared Mobility: 101007326-2 - AI4CSM (European Commission) 
-
Forschungs­schwerpunkte: 
Fundamental Mathematics Research: 100%
-
Wissenschafts­zweig: 
1010 - Mathematik: 100%
-
Enthalten in den Sammlungen:
Conference Paper

Zur Langanzeige

Google ScholarTM

Check