PKDD 2022
文章平均质量分 89
# PKDD 2022
西西弗的小蚂蚁
不要辜负这美好的时光!
展开
-
PKDD (2021)
然而,一旦模型被部署到生产中,随着时间的推移,是它们的监控、维护和改进带来了大部分的成本和困难。在重新审视了基于cnn的不同分析任务的方法后,我们暴露了现有使用中的两个常见的关键缺陷:1)学习全局空间相关性的低效,2)忽略潜在区域函数。使用真实交通数据进行的大量实验表明,在稀疏观测下,所提方法比其他传统的交通估计方法具有更低的估计误差和更可靠的结果。在五个真实数据集上进行了广泛的实验评估,与其他最先进的方法相比,所提出方法可以获得高达两个数量级的运行时加速,以及类似或更好的聚类和分类性能。原创 2022-09-06 17:45:39 · 141 阅读 · 0 评论 -
PKDD(2022)
提出了在许多不同类型的时间序列上的结果;在模拟和真实时间序列上进行的实验表明,所提出方法对不同的因果结构是快速和鲁棒的wrt,并在所有数据集上产生良好的结果,而以前提出的方法往往只在少数数据集上产生良好的结果。在预测CHP功率输出的实际用例上,彻底评估了架构设计选择,并表明最终的架构大大提高了学习过程的鲁棒性,在存在非结构化和结构化标签噪声的情况下,始终优于其他最新的最先进的算法。在复杂的工业环境中,监控机器的运行以检测不期望的状态,调整维护计划,优化系统性能或收集单个机器的使用统计信息是常见的做法。原创 2022-09-06 15:24:43 · 216 阅读 · 0 评论