Traffic4cast at NeurIPS 2021 - Temporal Spatial Few-Shot Transfer Learning in Gridded Geo-Spatial Processes
Eichenberger, C.; Neun, M.; Martin, H.; Herruzo, P.; Spanring, M.; Lu, Y.; Choi, S.; Konyakhin, V.; Lukashina, N.; Shpilman, A.; Wiedemann, N.; Raubal, M.; Wang, B.; Vu, H.L.; Mohajerpoor, R.; Cai, C.; Kim, I.; Hermes, L.; Melnik, A.; Velioglu, R.; Vieth, M.; Schilling, M.; Bojesomo, A.; Al-Marzouqi, H.; Liatsis, P.; Santokhi, J.; Hillier, D.; Yang, Y.; Sarwar, J.; Jordan, A.; Hewage, E.; Jonietz, D.; Tang, F.; Gruca, A.; Kopp, M.; Kreil, D.P.; Hochreiter, S.
Forschungsartikel in Sammelband (Konferenz) | Peer reviewedDetails zur Publikation
Herausgeber*innen: Ranzato, M; Beygelzimer, A; Dauphin, Y; Liang, PS; Wortman Vaughan, J
Buchtitel: Proceedings of the NeurIPS 2021 Competitions Demonstrations Track, PMLR (Band 176)
Seitenbereich: 97-112
Verlag: Curran Associates
Erscheinungsort: Red Hook
Status: Veröffentlicht
Veröffentlichungsjahr: 2022
Konferenz: NeurIPS 2021, virtual, Vereinigte Staaten
Stichwörter: prediction; neural network models; machine learning
Autor*innen der Universität Münster
| Schilling, Malte | Professur für Praktische Informatik (Prof. Schilling) |