OCCF - Leveraging Lagged Correlation Analysis for Enhanced Insights in Continuous Industrial Data
Procedia Computer Science · 2026 · 277 · 3655-3662
DOI: 10.1016/j.procs.2026.02.400 ↗Kurz gefasst
Fachartikel in der Zeitschrift Procedia Computer Science, 2026. Verfasst von Sabrina Luftensteiner und 2 weiteren Autor:innen. Die Arbeit wurde bisher 1-mal zitiert (Crossref) und nennt 12 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0). Gefördert von: FFG.
Abstract (Originalsprache)
Kein Abstract verfügbar.
Förderung
- FFG
Zitieren
APA
Luftensteiner, S., Krikova, K., & Rainer, R. (2026). OCCF - Leveraging Lagged Correlation Analysis for Enhanced Insights in Continuous Industrial Data. Procedia Computer Science, 277, 3655-3662. https://doi.org/10.1016/j.procs.2026.02.400
Vancouver
Luftensteiner S, Krikova K, Rainer R. OCCF - Leveraging Lagged Correlation Analysis for Enhanced Insights in Continuous Industrial Data. Procedia Computer Science. 2026;277:3655-3662. doi:10.1016/j.procs.2026.02.400
BibTeX
@article{Luftensteiner2026,
author = {Luftensteiner, Sabrina and Krikova, Kilian and Rainer, Roman},
title = {OCCF - Leveraging Lagged Correlation Analysis for Enhanced Insights in Continuous Industrial Data},
journal = {Procedia Computer Science},
year = {2026},
volume = {277},
pages = {3655--3662},
doi = {10.1016/j.procs.2026.02.400}
}
EUVIMED