Frühzeitige Erkennung von Anomalien in Automotive-AMS-Schaltungen durch unüberwachtes maschinelles Lernen

Ein neuartiges Framework auf Basis von unüberwachtem maschinellem Lernen zur frühzeitigen Erkennung von Anomalien in Automotive-AMS-Schaltungen, um die funktionale Sicherheit zu verbessern.