Inf6 mit neuem Ansatz zu Deep-Learning-Modellen auf der SIGMOD 2025

Symbolbild zum Artikel. Der Link öffnet das Bild in einer großen Anzeige.
Melanie B. Sigl bei der Präsentation ihres Papers 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