Gao Cong

UrbanLLM vereinfacht das Stadtmanagement, indem es komplexe städtische Anfragen aufdröselt.

Ein Modell vorstellen, das die Vorhersagegenauigkeit für Zeitreihendaten verbessert.

Die Auswirkungen von selbstüberwachtem Lernen auf die Analyse von geospatialen Daten erkunden.

CAMAL kombiniert maschinelles Lernen und traditionelle Methoden, um die Leistung des LSM-Baums zu optimieren.