Lemaire / Ifrim / Bagnall | Advanced Analytics and Learning on Temporal Data | E-Book | sack.de
E-Book

E-Book, Englisch, Band 15433, 147 Seiten, eBook

Reihe: Lecture Notes in Computer Science

Lemaire / Ifrim / Bagnall Advanced Analytics and Learning on Temporal Data

9th ECML PKDD Workshop, AALTD 2024, Vilnius, Lithuania, September 9–13, 2024, Revised Selected Papers
Erscheinungsjahr 2024
ISBN: 978-3-031-77066-1
Verlag: Springer International Publishing
Format: PDF
Kopierschutz: 1 - PDF Watermark

9th ECML PKDD Workshop, AALTD 2024, Vilnius, Lithuania, September 9–13, 2024, Revised Selected Papers

E-Book, Englisch, Band 15433, 147 Seiten, eBook

Reihe: Lecture Notes in Computer Science

ISBN: 978-3-031-77066-1
Verlag: Springer International Publishing
Format: PDF
Kopierschutz: 1 - PDF Watermark



This book constitutes the refereed proceedings of the 9th ECML PKDD workshop on Advanced Analytics and Learning on Temporal Data, AALTD 2024, held in Vilnius, Lithuania, during September 9-13, 2024.The 8 full papers presented here were carefully reviewed and selected from 15 submissions. The papers focus on recent advances in Temporal Data Analysis, Metric Learning, Representation Learning, Unsupervised Feature Extraction, Clustering, and Classification.
Lemaire / Ifrim / Bagnall Advanced Analytics and Learning on Temporal Data jetzt bestellen!

Zielgruppe


Research

Weitere Infos & Material


Conformal Prediction Techniques for Electricity Price Forecasting.- Multivariate Human Activity Segmentation Systematic Benchmark with ClaSP.- Comparing the Performance of Recurrent Neural Network and Some Well Known Statistical Methods in the Case of Missing Multivariate Time Series Data.- Accurate and Efficient Real World Fall Detection Using Time Series Techniques.- Highly Scalable Time Series Classification for Very Large Datasets.- Classification of Raw MEG/EEG Data with Detach-Rocket Ensemble An Improved ROCKET Algorithm for Multivariate Time Series Analysis.- Change Detection in Multivariate data streams Online Analysis with Kernel QuantTree.- Weighted Average of Human Motion Sequences for Improving Rehabilitation Assessment.



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.