‪Jean-Charles Verdier‬ - ‪Google Scholar‬

Mijn eigen profiel maken

Geciteerd door

	Alles	Sinds 2019
Citaties	17	17
h-index	2	2
i10-index	1	1

0

10

5

2022202320245 9 3

Jean-Charles Verdier

Jean-Charles Verdier

Assistant research University of Sherbrooke

Geverifieerd e-mailadres voor usherbrooke.ca

anomaly detection machine learning deep learning


Titel Sorteren op citaties Sorteren op jaar Sorteren op titel	Geciteerd door Geciteerd door	Jaar
A revealing large-scale evaluation of unsupervised anomaly detection algorithms M Alvarez, JC Verdier, DJK Nkashama, M Frappier, PM Tardif, F Kabanza arXiv preprint arXiv:2204.09825, 2022	11	2022
Robustness evaluation of deep unsupervised learning algorithms for intrusion detection systems D Nkashama, A Soltani, JC Verdier, M Frappier, PM Tardif, F Kabanza arXiv preprint arXiv:2207.03576, 2022	5	2022
The drawback of binary labeling for the evaluation of unsupervised intrusion detection algorithms JC Verdier, DJK Nkashama, M Frappier, PM Tardif, F Kabanza Marc and Tardif, Pierre-Martin and Kabanza, Froduald, The Drawback of Binary …, 0	1
Robustness Evaluation of Deep Unsupervised Learning Algorithms for Intrusion Detection Systems KN D’Jeff, A Soltani, JC Verdier, M Frappier, PM Tardif, F Kabanza
ÉVALUATION DES ALGORITHMES DE DÉTECTION D’ANOMALIES NON SUPERVISÉS JC Verdier

Het systeem kan de bewerking nu niet uitvoeren. Probeer het later opnieuw.

Artikelen 1–5