Guyet / Ifrim / Lemaire | Advanced Analytics and Learning on Temporal Data | Buch | 978-3-031-24377-6 | sack.de

Buch, Englisch, 197 Seiten, Format (B × H): 155 mm x 235 mm, Gewicht: 335 g

Reihe: Lecture Notes in Artificial Intelligence

Guyet / Ifrim / Lemaire

Advanced Analytics and Learning on Temporal Data

7th ECML PKDD Workshop, AALTD 2022, Grenoble, France, September 19-23, 2022, Revised Selected Papers

Buch, Englisch, 197 Seiten, Format (B × H): 155 mm x 235 mm, Gewicht: 335 g

Reihe: Lecture Notes in Artificial Intelligence

ISBN: 978-3-031-24377-6
Verlag: Springer International Publishing


This book constitutes the refereed proceedings of the 7th ECML PKDD Workshop, AALTD 2022, held in Grenoble, France, during September 19–23, 2022.
The 12 full papers included in this book were carefully reviewed and selected from 21 submissions. They were organized in topical sections as follows: Oral presentation and poster presentation.
Guyet / Ifrim / Lemaire Advanced Analytics and Learning on Temporal Data jetzt bestellen!

Zielgruppe


Research

Weitere Infos & Material


Oral Presentation.- Adjustable Context-aware Transformer.- Clustering of time series based on forecasting performance of global models.- Experimental study of time series forecasting methods for groundwater level prediction.- Fast Time Series Classification with Random Symbolic Subsequences.- RESIST: Robust Transformer for Unsupervised Time Series Anomaly Detection.- Window Size Selection In Unsupervised Time Series Analytics: A Review and Benchmark.- Poster Presentation.- Application of Attention mechanism combined with Long Short-Term Memory for forecasting Dissolved Oxygen in Ganga River.- Data Augmentation for Time Series Classification with Deep Learning.- Dimension selection strategies for multivariate time series classification with HIVE-COTEv2.0.- EDGAR: Embedded Detection of Gunshots by AI in Real-time.- Identification of the Best Accelerometer Features and Time-scale to Detect Disturbances in Calves.- ODIN AD: a frameworksupporting the life-cycle of time series anomaly detection applications.


Ihre Fragen, Wünsche oder Anmerkungen
Vorname*
Nachname*
Ihre E-Mail-Adresse*
Kundennr.
Ihre Nachricht*
Lediglich mit * gekennzeichnete Felder sind Pflichtfelder.
Wenn Sie die im Kontaktformular eingegebenen Daten durch Klick auf den nachfolgenden Button übersenden, erklären Sie sich damit einverstanden, dass wir Ihr Angaben für die Beantwortung Ihrer Anfrage verwenden. Selbstverständlich werden Ihre Daten vertraulich behandelt und nicht an Dritte weitergegeben. Sie können der Verwendung Ihrer Daten jederzeit widersprechen. Das Datenhandling bei Sack Fachmedien erklären wir Ihnen in unserer Datenschutzerklärung.