Machine learning algorithms for faulty sensor detection in the approach phase: methods and preliminary tests - LAAS - Laboratoire d'Analyse et d'Architecture des Systèmes Accéder directement au contenu
Rapport De Contrat Année : 2021

Machine learning algorithms for faulty sensor detection in the approach phase: methods and preliminary tests

Résumé

This document presents the work by the group DIagnostic, Supervision et COnduite (DISCO) of the Laboratoire d’Analyse et d’Architecture des Systèmes du CNRS (LAAS– CNRS) within the work package 5.9 of the project COncept de COckpit et Technologies Intégrées En Rupture (COCOTIER).

Domaines

Intelligence artificielle [cs.AI] Automatique / Robotique

Louise Travé-Massuyès  : Connectez-vous pour contacter le contributeur

https://laas.hal.science/hal-03416766

Soumis le : vendredi 5 novembre 2021-12:42:48

Dernière modification le : lundi 20 novembre 2023-11:44:22

Fichier non déposé

Dates et versions

hal-03416766 , version 1 (05-11-2021)

Identifiants

  • HAL Id : hal-03416766 , version 1

Citer

Louise Travé-Massuyès, Elodie Chanthery, Pauline Ribot, Renaud Pons, Angel Mur Guerri. Machine learning algorithms for faulty sensor detection in the approach phase: methods and preliminary tests: COCOTIER Project. S5.9.1.3 Deliverable, Lot 5.9, LAAS-CNRS. 2021. ⟨hal-03416766⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

UNIV-TLSE2 CNRS INSA-TOULOUSE LAAS UT1-CAPITOLE LAAS-DISCO LAAS-DECISION-ET-OPTIMISATION TDS-MACS LARA INSA-GROUPE INSA-TOULOUSE-GEI TOULOUSE-INP UNIV-UT3 UT3-TOULOUSEINP
24 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More