Inf6 mit neuem Ansatz zu Deep-Learning-Modellen auf der SIGMOD 2025
Melanie B. Sigl hat das Paper „Towards Learning to Rank Deep-Learning Models for Multivariate Time-Series Transfer Learning“ erfolgreich auf der ACM SIGMOD DEEM 2025 vorgestellt. Die Arbeit entstand gemeinsam mit Prof. Dr. Klaus Meyer-Wegener.
Das Paper stellt einen neuen Ansatz vor, um passende Deep-Learning-Modelle für Transfer Learning mit multivariaten Zeitreihen anhand von Datensatzmerkmalen zu identifizieren. Ziel ist es, negative Transfer-Effekte zu vermeiden und die Modellwahl zu optimieren.
Neben dem Vortrag war Melanie B. Sigl auch mit einem Poster auf der Konferenz vertreten.
Das Paper ist online verfügbar unter: https://doi.org/10.1145/3735654.3735938